小训练语料下基于均值超矢量聚类的说话人确认方法.pdfVIP

第29卷第2期 数 据 采 集 与 处 理 Vo1．29No．2 2014年 3月 JournalofDataAcquisitionandProcessing M ar．2O14 文章编号 ：1004—9037(2014)02—0238—05 小训练语料下基于均值超矢量聚类的说话人确认方法 花 城 李 辉 (中国科学技术大学 电子科学与技术系，合肥 ，230027) 摘要 ：讨论 了一种新的基于均值超矢量聚类的说话人确认方法，在确保性能的情况下放宽对语料 的要求 ，聚类训 练语料是每个说话人只有一段语音的小语料。以女性统一背景模型(Universalbackgroundmodel，UBM)为基 准，对所有女性训练语音均值超矢量相对该 UBM 的偏移聚类，判别待映射男性语音所属类别后进行特征映射 ， 在特征参数域 同时削减掉匹配到的通道信息和一部分女性说话人信息。实验表 明，不论从性能还是语料角度 ， 采用本文方法相对其他方法均具有一定优势 。 关键词 ：说话人确认 ；特征映射 ；语料 ；超矢量 中图分类号 ：TN912．34 文献标志码 ：A SpeakerVerificationBasedonSupervectorClusteringW ithPoorCorpus HuaCheng ，LiHui (DepartmentofElectronicScienceandTechnology，UniversityofScienceandTechnologyofChina， Hefei，230027，China) Abstract：A new speakerverificationmethodbasedon supervectorclusteringisdiscussed，in ordertoensuretheperformanceandreducethedatarequirements．Anapproach basedonsu— pervectorclusteringunderpoortrainingcorpususingtheinter—speakervariabilitybetweenmale andfemaleispresented．M ixedeffectsofspeakerandchannelinformationareclustered，then afterthedecision oncategoriesofunprocessedspeech featuremapping isconducted．Experi— mentsshow itsadvantagecomparedwith othermethodsunderpoorcorpusfrom corpusand performanceperspective． Keywords：speakerverification；feature—mapping；poorcorpus；supervector 先验信息 。 引 口 文献E6-1提 出了一种基于均值超矢量聚类的特 征映射方法 ，该方法不要求语音 明确标注通道信 在文本无关说话人确认 中_1]，主流的方法是林 息，但是对语料库要求 比较苛刻：每个话者必须具 肯实验室 Reynolds提 出的 GMM—UBM—MAP结 有多段语音 。然而在很多实际情况下，每个人的语 构E ，该方法在统一背景模型 (Universalback— 音只能在同一通道下录制 ，并且只有一段语音。如 groundmodel，UBM)基础上根据最大后验概率 何利用这些较小 的语料制定均值