噪声自适应拟合补偿的鲁棒性声纹识别算法

• 作者: 陈壮 俞一彪
• 来源期刊: 声学学报
• 年，卷（期）: 2022,（1）
• 页码范围: 151-160
• 页数: 10页
• 语种: 中文

摘要

目前的声纹识别系统在安静环境下性能已经很高,但处在复杂噪声背景时,由于训练和应用环境的不同会导致系统性能急剧下降.为解决这一问题,从i-vector空间降噪思想出发,通过偏最小二乘算法直接推导含噪i-vector与纯净i-vector之间的关系,并采用自编码器衡量未知噪声类型的含噪i-vector与已知噪声类型的含噪i-vector之间的相似性,提出一种i-vector空间噪声自适应的鲁棒性声纹识别算法(IPLS-AE).实验结果显示,相对典型的最大后验概率估计算法(IMAP),提出的IPLS-AE算法对各信噪比与各类型的噪声都有较好的补偿性能,等错误率和最小检测代价函数对已知噪声最高有31.3％和26.8％的相对改善,对未知噪声最高有28.3％和25.2％的相对改善.结果说明,IPLS-AE算法能可靠地识别并补偿噪声,提升系统的鲁棒性.