与文本无关的单训练样本说话人识别

• 作者: 王晅 郭建敏
• 来源期刊: 陕西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 说话人识别 时频局部特征 线性预测编码 Mel频率倒谱系数 贝叶斯决策
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 物理学
• 页码范围: 33-38
• 页数: 6页
• 分类号: TN912.34
• 字数: 3799字
• 语种: 中文
• DOI: 10.15983/j.cnki.jsnu.2016.05.251

摘要

针对现有的说话人识别方法对环境噪声较为敏感的问题,提出了一种与文本无关的单训练样本说话人识别方法.该方法能够提取语音时频谱的局部特征,此特征不仅对白噪声、高斯噪声、粉红噪声有很强的鲁棒性,而且能够充分反映说话人的基本发声特性.针对该局部特征的基本特点,给出了适合该局部特征的贝叶斯决策方法.对英文与汉语语音数据库的仿真实验表明,该识别方法可以实现单训练样本下的说话人识别,识别精度明显高于现有的Mel频率倒谱系数(MFCC)与线性预测编码(LPCC)语音特征,而且对白噪声等各类环境噪声有较高的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晅	陕西师范大学物理学与信息技术学院	61	282	8.0	13.0
2	郭建敏	陕西师范大学物理学与信息技术学院	3	0	0.0	0.0