高斯PLDA在说话人确认中的应用及其联合估计

• 作者: 周若华 杨海 许云飞 颜永红
• 来源期刊: 自动化学报
• 关键词: 因子分析 总变化因子 概率线性鉴别分析 联合估计 期望最大化
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 1068-1074
• 页数: 7页
• 字数: 6030字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01068

摘要

近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法。其中,概率线性鉴别分析(Probabilistic linear discriminant analysis, PLDA)因其优异的性能而得到学者们的广泛关注。然而,在估计PLDA 模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合。提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜永红	中国科学院语言声学与内容理解重点实验室	94	586	14.0	20.0
2	杨海	中国科学院语言声学与内容理解重点实验室	9	30	3.0	5.0
3	周若华	中国科学院语言声学与内容理解重点实验室	7	37	4.0	6.0
4	许云飞	中国科学院语言声学与内容理解重点实验室	2	20	2.0	2.0