GMM-UBM和SVM在说话人识别中的应用①
2018-02-07赵云敏
计算机系统应用 2018年1期
李 荟,赵云敏
1(东北石油大学 计算机与信息技术学院,大庆 163318)2(大庆油田第一采油厂,大庆 163318)
1 引言
说话人识别是一项根据说话人的语音参数来区分说话人身份的技术,广泛地应用于语音拨号、安全控制、电话银行、司法鉴定、语音导航等方面[1].但在实际应用中,系统的识别性能受到短语音、背景噪声干扰、信号引起的信号畸变等多种因素的影响,其中短语音导致的训练数据不足是较为常见且较为突出的问题.GMM-UBM模型能够有效地解决训练数据不充分的问题,但它导致的问题是系统鲁棒性差,SVM利用帧特征向量在空间分布的高斯混合的均值进行识别,能显著提高系统的鲁棒性能,而且SVM还能有效地解决小样本、低维线性不可分等实际问题.但应用SVM对说话人进行识别,重点就是选择合适的核函数,为了提高性能,这里根据单核核函数的特性不同构造了一种组合核函数.因此,本文选用GMM-UBM为基线系统模型,在此基础上应用SVM组合核函数作为分类器进行分类.
2 GMM-UBM基线系统模型
高斯混合模型(GMM)利用多个高斯分布的加权混合来描绘说话人的特征空间分布[2],因此,混合度越高,识别性能越好,当然所需的训练语音也会越多.但在很多实际应用中,有些训练语音比较短,这些有限的训练语音无法很好地代表说话人所有可能的发音情况,因此,训练得到的模型也无法很好地表征说话人的特征,这种情况使GMM识别的性能较差.
GMM-UBM模型能够有效地解决GMM由于训……
登录APP查看全文
