胡群威，吴明辉，李　辉

(中国科学技术大学 电子科学与技术系，安徽 合肥 230027)



利用时长信息提高说话人确认系统的鲁棒性

胡群威，吴明辉，李辉

(中国科学技术大学 电子科学与技术系，安徽 合肥 230027)

在文本无关说话人确认领域，基于总差异空间的说话人确认方法已成为主流方法，其中概率线性判别分析(Probabilistic Linear Discriminant Analysis, PLDA)因其优异的性能受到广泛关注。然而传统PLDA模型没有考虑注册语音与测试语音时长失配情况下的差异信息，不能很好地解决因时长失配带来的说话人确认系统性能下降的问题。该文提出一种估计时长差异信息方法，并将此差异信息融入PLDA模型，从而提高PLDA模型对时长差异的鲁棒性。在NIST数据库上的实验表明，所提出的方法可以较好地补偿时长差异，性能上也优于PLDA方法。

说话人确认；I-Vector系统；概率线性判别分析；时长失配；时长差异信息

引用格式：胡群威，吴明辉，李辉. 利用时长信息提高说话人确认系统的鲁棒性[J].微型机与应用，2016,35(11)：51-55.

0　引言

说话人确认技术作为生物特征识别领域重要的研究热点，在身份识别、人机交互和移动支付等领域具有广阔的应用前景。近年来，在高斯混合模型-通用背景模型(Gaussian Mixture Model-Universal Background Model,GMM-UBM)[1]基础上，基于因子分析的方法因其优异的性能得到研究者的广泛关注。

在GMM-UBM框架下，说话人信息主要包含在GMM的均值超矢量[2]中。由于均值超矢量也包含信道等扰动信息，KENNY P等人提出联合因子分析(Joint Factor Analysis，JFA)[3]方法，将均值超矢量分解为说话人与信道两部分之和，进而可以削弱信道的干扰。……