基于i-向量和PCA字典学习稀疏表示的说话人确认

• 作者: 舒毅 邢玉娟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 说话人确认 i-向量 稀疏表示 过完备字典 高斯通用背景模型
• 年，卷（期）: 2016,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 144-147,166
• 页数: 5页
• 分类号: TP391.42
• 字数: 4131字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1411-0089

摘要

稀疏表示以其出色的分类性能成为说话人确认研究的热点，其中过完备字典的构建是关键，直接影响其性能。为了提高说话人确认系统的鲁棒性，同时解决稀疏表示过完备字典中存在噪声及信道干扰信息的问题，提出一种基于i-向量的主成分稀疏表示字典学习算法。该算法在高斯通用背景模型的基础上提取说话人的i-向量，并使用类内协方差归一化技术对i-向量进行信道补偿；根据信道补偿后的说话人i-向量的均值向量估计其信道偏移空间，在该空间采用主成分分析方法提取低维信道偏移主分量，用于重新计算说话人i-向量，从而达到进一步抑制i-向量中信道干扰的目的；将新的i-向量作为字典原子构建高鲁棒性稀疏表示过完备字典。在测试阶段，测试语音的i-向量在该字典上寻找其稀疏表示系数向量，根据系数向量对测试i-向量的重构误差确定目标说话人。仿真实验表明，该算法具有良好的识别性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒毅		11	54	4.0	7.0
2	邢玉娟	兰州文理学院数字媒体学院	38	93	5.0	7.0