文本无关说话人识别中一种改进的模型PCA变换方法

• 作者: 周曦 姚志强 戴蓓蒨
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 话者识别 PCA 模型PCA 解相关
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 论文
• 页码范围: 469-472
• 页数: 4页
• 分类号: TP391.42
• 字数: 4891字
• 语种: 中文

摘要

对于采用高斯混合模型(GMM)的与文本无关的说话人识别,出于模型参数数量和计算量的考虑GMM的协方差矩阵通常取为对角矩阵形式,并假设观察矢量各维之间是不相关的.然而,这种假设在大多情况下是不成立的.为了使观察矢量空间适合于采用对角协方差的GMM进行拟合,通常采用对参数空间或模型空间进行解相关变换.该文提出了一种改进模型空间解相关的PCA方法,通过直接对GMM的各高斯成分的协方差进行主成分分析,使参数空间分布更符合使用对角化协方差的混合高斯分布,并通过共享PCA变换阵的方法减少参数数量和计算量.在微软语音库上的说话人识别实验表明,该方法取得了比常规的对角协方差GMM系统的最优结果有相对35%的误识率下降.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴蓓蒨	中国科学技术大学电子科学与技术系	35	247	9.0	13.0
2	姚志强	中国科学技术大学电子科学与技术系	8	102	6.0	8.0
3	周曦	中国科学技术大学电子科学与技术系	12	95	6.0	9.0