基于分类特征空间高斯混合模型及神经网络融合的说话人识别.pdfVIP

第26卷第10期 电子与信，e学报 Vo1.26No.10 2004年 10月 JournalofElectronicsInformationTechnology Oct.2004 基于分类特征空间高斯混合模型和 神经网络融合的说话人识别 ‘ 黄 伟 戴蓓待 李 辉 (中国科学技术大学电子科学与技术系合肥230026) 摘 要: 该文提出了一种基于分类高斯混合模型和神经网络融合(FS-GMM/NN)的说话人识别方 法，通过对特征矢量进行聚类分析，将说话人的训练语音分成若干类，然后根据各个类中含特征矢量的多少 采用不同的模型混合度，训练建立分类高斯混合模型，并采用神经网络实现各个分类高斯混合模型输出的融 合.在100个男性话者的与文本无关的说话人识别实验中，基于分类高斯混合模型和神经网络融合的方法 在识别性能及噪声鲁棒性上都优于不分类的GMM识别系统，并具有较高的模型训练效率，且可以有效地 降低话者模型的混合度和测试语音长度. 关锐词: 说话人识别，分类特征空间，高斯混合模型，神经网络融合 中图分类号: TP391.42 文献标识码:A 文章编号:1009-5896(2004)10-1607-06 SpeakerIdentificationBasedon ClassifyFeatureSub-spaceGaussian M ixtureModelandNeuralNetFusion HuangWei DaiBei-gian LiHui (Electron.Sci.andTech.Dept,Univ.ofSci.andTech.ofChina,Hefei230026,China) Abstract Inthispaper,aspeakeridentificationsystemisproposedbasedonclassifyFea- tureSub-spaceGaussianMixtureModelandNeuralNetfusion(FS-GMM/NN).Withclus- teringanalysisofthefeaturevectors,thespeakerstrainingfeaturevectorscanbeclassified tosomesubsetsandtrainingclassifyGaussianMixtureModels(GMM)withdifferentmix- turesaccordingtothesubsetsfeaturevectorssnumber.Finally,theoutputsofeveryclassify GMMwillbefused勿NeuralNet(NN).Intheexperimentoftext-independentspeakeriden- tificationof100speakers(male),thesystembasedonFS-GMM/NNovermatchtheBaseline GaussianMixtureModel(B-GMM)inidentificationperformanceandnoiserobustnesswith fewermixturesandshortertestspeech.Moreover,thetrainingofFS-GMM/NNismore effective. Keywords Speakeridentification,Classifiedfeature-subspace,GMM,NeuralNet(NN) fusion 1引言 近年来，在与文本无关的 (Text-independent)说话人识别系统中大多采用高斯混合模型 (GaussianMixtureModel,GMM)作为说话人模型，取得了比隐马尔可夫模型(HiddenMarkov Model,HMM)更好的识别性能[[1,2].一些当今最高水平的系统都采用了GMM，如目前在