基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于本征音因子分析的文本无关的说话人识别方法.它解决了训练语音与测试语音均很短的情况下,传统的基于最大后验概率准则的混合高斯模型无法建立稳定的说话人模型问题.首先利用期望最大化算法在开发集上训练出说话人的本征音载荷矩阵,在说话人模型建模时通过将短时语音数据向本征音空间的降维映射来得到模型参数.实验结果表明,在NIST SRE 2006数据库中的10 s训练语音-10 s测试语音任务中,在传统的混合高斯模型的基线系统上,通过采用本征音因子分析的方法可以使系统等错误率降低18%.
推荐文章
基于因子分析和特征映射的耳语说话人识别
耳语说话人识别
联合因子分析
特征映射
正常音
耳语音
干扰空间投影在本征音说话人自适应中的应用
本征音自适应
干扰空间投影
主成分分析
信道失配
基于稀疏组LASSO约束的本征音子说话人自适应
说话人自适应
本征音子
组稀疏约束
稀疏组LASSO约束
近点梯度法
MFCC和短时TEO能量的混合参数应用于说话人识别
说话人识别
Mel频率倒谱系数
Teager能量算子
混合特征参数
GMM-UBM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于本征音因子分析的短时说话人识别
来源期刊 数据采集与处理 学科 工学
关键词 本征音 本征信道 说话人确认
年,卷(期) 2009,(4) 所属期刊栏目 理论与试验研究
研究方向 页码范围 449-452
页数 4页 分类号 TN912.34
字数 3211字 语种 中文
DOI 10.3969/j.issn.1004-9037.2009.04.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭武 中国科技大学电子工程与信息科学系 7 51 4.0 7.0
2 李轶杰 中国科技大学电子工程与信息科学系 2 11 2.0 2.0
3 戴礼荣 中国科技大学电子工程与信息科学系 10 46 4.0 6.0
4 潘镭 中国科技大学电子工程与信息科学系 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (4)
同被引文献  (1)
二级引证文献  (3)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
本征音
本征信道
说话人确认
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
论文1v1指导