基于改进i-vector的说话人感知训练方法研究

• 作者: 屈丹 梁玉龙 邱泽宇
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 说话人感知训练 辨识向量 深度神经网络 奇异值矩阵分解 瓶颈特征
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 多媒体技术及应用
• 页码范围: 262-267
• 页数: 6页
• 分类号: TN912
• 字数: 6049字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0046946

摘要

基于辨识向量(i-vector)的说话人感知训练方法使用MFCC作为输入特征对i-vector进行提取,但MFCC较差的特征鲁棒性会影响该训练方法的识别性能.为此,提出一种基于改进i-vector的说话人感知训练方法.设计基于SVD的低维特征提取方法,用其提取的特征替代MFCC对表征能力更优的i-vector进行提取.实验结果表明,在捷克语语料库中,相对于DNN-HMM语音识别系统与原始基于i-vector的说话人感知训练方法,该方法的识别性能分别提升了1.62％与1.52％,在WSJ语料库中,该方法识别性能分别提升了3.9％和1.48％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屈丹	解放军信息工程大学信息系统工程学院	48	205	7.0	12.0
2	梁玉龙	解放军信息工程大学信息系统工程学院	2	16	1.0	2.0
3	邱泽宇	解放军信息工程大学信息系统工程学院	1	0	0.0	0.0