基于重组超矢量GMM-SVM说话人辨认系统.PDFVIP

第27卷摇 第7期 计 算机 技 术 与发 展 Vol.27摇 No.7 2017年7月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 July 摇 2017 基于重组超矢量的GMM-SVM说话人辨认系统 欧国振,孙林慧,薛海双 (南京邮电大学通信与信息工程学院,江苏 南京 210003) 摘摇 要:在传统的高斯混合模型-支持向量机(Gaussian Mixture Model-Support Vector Machine,GMM-SVM)说话人辨认系 统中,SVM利用从GMM矢量空间中得到的超矢量(Super Vector)直接对说话人进行建模与识别,由于没有考虑到超矢量 内各均值矢量之间的关联性,识别性能有限。 为此,提出了基于重组超矢量构建文本无关的GMM-SVM说话人辨认系统。 该系统充分利用各相邻高斯分量的均值矢量的高度关联性,保证了重组后的超矢量能充分反映说话人身份的内在细节, 使得系统具有充分利用SVM处理高维小数据性能的优越特点。 验证实验结果表明,与传统的GMM-SVM系统相比,重组 超矢量GMM-SVM说话人辨认系统显著地缩短了系统建模的时间,同时有效地提高了说话人的辨别率。 关键词:说话人辨认;高斯混合模型-支持向量机;超矢量重组;辨别率;建模时间 中图分类号:TP302摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)07-0051-06 doi:10.3969/j.issn.1673-629X.2017.07.012 GMM-SVM Speaker Identification System with Recombination of GMM Super Vector OU Guo-zhen,SUN Lin-hui,XUE Hai-shuang (College of Telecommunications Information Engineering,Nanjing University of Postsand Telecommunications,Nanjing210003,China) Abstract:InthetraditionalspeakeridentificationsystemwithGaussianMixtureModel-SupportVectorMachine (GMM-SVM),SVMu鄄 ses super vector derived from the vector space of GMMtomodelandidentify thetarget speakersdirectly.Sincetherelationship between two of mean vectorsamong GMM super vectorshasnotbeen considered,theperformance of GMM-SVM system islimited.Thusanew text-independent GMM-SVM speaker identification system with super vector hasbeenproposedwhich hasmadefulluse oftremendous correlation ofeachmeanvectoroftheadjacentGaussiancomponents.Therecombinationsupervectorshavepresentedmoreinnerdetailof speakers爷identity and enable the new system to take the advantage of the character