基于加权特征补偿变换的说话人识别仿真研究

• 作者: 何可可 唐振民 徐利敏 钱博
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 说话人识别 加权特征补偿变换 高斯混合模型 鲁棒性
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 616-619
• 页数: 4页
• 分类号: TN912.3
• 字数: 5532字
• 语种: 中文

摘要

在噪声环境下,为提高说话人识别系统的鲁棒性,需要对系统进行各种抗噪声处理.从特征值处理和模型补偿两方面考虑,提出了基于高斯混合模型的加权特征补偿变换的抗噪声方法.一方面根据帧信噪比对特征值的贡献进行加权;另一方面根据说话人识别的声学特性对模型输出的似然得分进行补偿变换.实验结果表明,不管在平稳噪声还是非平稳噪声环境下,该方法都能取得较好的识别效果,并进一步增强系统的鲁棒性.这也说明加权特征补偿变换是降低噪声和干扰的影响、提高系统识别率和鲁棒性的有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐振民	南京理工大学计算机科学与技术学院	191	2436	26.0	40.0
2	徐利敏	南京理工大学计算机科学与技术学院	8	47	4.0	6.0
3	何可可	南京理工大学计算机科学与技术学院	3	26	2.0	3.0
4	钱博	南京理工大学计算机科学与技术学院	25	186	9.0	12.0