【摘要】：說話人識(shí)別是以語音作為識(shí)別特征,采用機(jī)器學(xué)習(xí)方法對(duì)語音信息進(jìn)行處理,自動(dòng)進(jìn)行識(shí)別說話人身份的技術(shù)。目前,基于I-vector模型的說話人識(shí)別模型性能良好,已經(jīng)成為說話人識(shí)別領(lǐng)域中的主流模型。本文主要是對(duì)基于I-vector模型的說話人識(shí)別算法進(jìn)行研究,并在此基礎(chǔ)上引入距離與相似性度量學(xué)習(xí)算法。度量學(xué)習(xí)算法通過使得同類樣本更緊湊,非同類樣本更分散,提高說話人識(shí)別系統(tǒng)性能。本文主要研究KISS(Keep It Simple and Straightforward)與SUB-SML(intra-person Subspace Similarity Metric Learning)度量學(xué)習(xí)算法在說話人識(shí)別系統(tǒng)中的應(yīng)用。KISS算法具備可利用大規(guī)模數(shù)據(jù)集和可擴(kuò)展性等特點(diǎn),通過引入等價(jià)約束關(guān)系學(xué)習(xí)度量矩陣,而且學(xué)習(xí)得到的度量矩陣可保證同類樣本強(qiáng)相關(guān)。本文將KISS度量學(xué)習(xí)算法應(yīng)用在說話人識(shí)別系統(tǒng)中,通過對(duì)i-vector向量進(jìn)行KISS度量矩陣線性變換,減少信道差異和說話人個(gè)人內(nèi)在變化對(duì)系統(tǒng)的影響。在NIST SRE 2014庫上進(jìn)行實(shí)驗(yàn),分別使用余弦相似分類器和馬氏距離分類器進(jìn)行打分判別。實(shí)驗(yàn)結(jié)果表明KISS模型采用余弦相似分類器打分可以提高系統(tǒng)性能,而且采用采用馬氏距離分類器打分系統(tǒng)性能提高更顯著。此外,對(duì)KISS模型與PLDA模型進(jìn)行得分融合實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明系統(tǒng)性能得到進(jìn)一步提高。SUB-SML算法從保持相似性度量學(xué)習(xí)的魯棒性和判別性兩方面出發(fā),提出在說話人個(gè)人子空間內(nèi)學(xué)習(xí)訓(xùn)練度量矩陣,聯(lián)合馬氏距離度量和雙線性相似性度量,形成廣義的相似性度量學(xué)習(xí)。NIST SRE 2014庫只提供訓(xùn)練樣本的標(biāo)簽信息,所以需要為SUB-SML算法構(gòu)造訓(xùn)練樣本對(duì)集合。本文提出選取歐式距離最大的相似對(duì)和歐氏距離最小的非相似對(duì)構(gòu)造訓(xùn)練樣本對(duì)集合,使得訓(xùn)練得到的度量矩陣具備判別相似度低的同類樣本以及相似度高的非同類樣本能力。本文將SUBSML度量學(xué)習(xí)算法應(yīng)用在說話人識(shí)別系統(tǒng)中,提出新方法構(gòu)造SUB-SML算法的訓(xùn)練樣本對(duì)集合,并且對(duì)i-vector向量進(jìn)行SUB-SML度量矩陣線性變換。實(shí)驗(yàn)結(jié)果表明基于SUB-SML模型與基線i-vector模型相比系統(tǒng)性能有所提高,而且采用新方法構(gòu)造的訓(xùn)練樣本對(duì)集合的SUB-SML模型性能提高顯著。SUB-SML算法聯(lián)合馬氏距離度量和雙線性相似性度量,若只考慮馬氏距離度量或雙線性相似性度量,則分別得到SUB-ML和SUB-SL算法。本文將SUB-ML和SUB-SL度量學(xué)習(xí)算法分別應(yīng)用到說話人識(shí)別中,實(shí)驗(yàn)在NIST SRE 2014年庫上進(jìn)行,結(jié)果表明這兩種模型性能均優(yōu)于傳統(tǒng)余弦距離分類器模型。此外,還對(duì)SUB-ML模型與基于SUB-SL模型進(jìn)行系統(tǒng)得分融合實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明融合后的系統(tǒng)性能比基于PLDA模型的系統(tǒng)性能更佳。
【圖文】：

圖 1-1：說話人識(shí)別系統(tǒng)結(jié)構(gòu)圖觀察圖 1-1 可知，說話人識(shí)別系統(tǒng)的關(guān)鍵階段為：訓(xùn)練階段和識(shí)別階段。說話人模型的訓(xùn)練過程即建模，識(shí)別過程就是模式匹配的過程。由此得出，，要想提升說話人識(shí)別系統(tǒng)性能，需要從建立說話人模型和模式匹配兩方面著手。從說話人模型角度出發(fā)，經(jīng)典的 GMM-UBM[26]（高斯混合模型-通用背景模

說話人確認(rèn)系統(tǒng)流程圖
【學(xué)位授予單位】：江西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN912.3;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉倩;李時(shí);;細(xì)菌趨藥性算法在說話人識(shí)別中的應(yīng)用[J];宿州學(xué)院學(xué)報(bào);2017年11期

2 趙艷;呂亮;趙力;;基于修正Fukunaga-Koontz變換的說話人識(shí)別方法[J];電子器件;2018年04期

3 李為州;楊印根;;說話人識(shí)別中基于深度信念網(wǎng)絡(luò)的超向量降維的研究[J];電腦知識(shí)與技術(shù);2017年22期

4 雷震春;萬艷紅;羅劍;朱明華;;基于Mahalanobis距離的說話人識(shí)別模型研究[J];中國語音學(xué)報(bào);2016年00期

5 王華朋;李寧;許鋒;蔡能斌;;基于元音共振峰特征的法庭說話人識(shí)別[J];中國刑警學(xué)院學(xué)報(bào);2014年02期

6 王華朋;楊軍;許勇;;應(yīng)用似然比框架的法庭說話人識(shí)別[J];數(shù)據(jù)采集與處理;2013年02期

7 檀蕊蓮;劉建平;;說話人識(shí)別技術(shù)的研究進(jìn)展[J];科技資訊;2007年33期

8 寧飛,陳頻;說話人識(shí)別的幾種方法[J];電聲技術(shù);2001年12期

9 曹業(yè)敏,侯風(fēng)雷,王炳錫;說話人識(shí)別技術(shù)現(xiàn)狀與進(jìn)展[J];河南科技;1998年09期

10 王華朋;楊軍;吳鳴;許勇;;基于自適應(yīng)同源方差控制的法庭自動(dòng)說話人識(shí)別[J];應(yīng)用科學(xué)學(xué)報(bào);2014年06期

相關(guān)會(huì)議論文 前10條

1 孫帆;遲惠生;;循環(huán)網(wǎng)絡(luò)說話人識(shí)別[A];第二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC1992）論文集[C];1992年

2 肖劍;歐貴文;;多層前饋神經(jīng)網(wǎng)絡(luò)組的文本無關(guān)說話人識(shí)別[A];第七屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC7）論文集[C];2003年

3 吳璽宏;劉文舉;;聽神經(jīng)計(jì)算模型及其在抗噪說話人識(shí)別中的應(yīng)用[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2001年

4 任舒彬;楊瑩春;吳朝暉;;面向多通道說話人識(shí)別的預(yù)處理方法實(shí)驗(yàn)研究(類別:聲紋鑒定)[A];第六屆全國現(xiàn)代語音學(xué)學(xué)術(shù)會(huì)議論文集（下）[C];2003年

5 劉大力;趙力;;與文本無關(guān)說話人識(shí)別系統(tǒng)的性能比較[A];2004年全國物理聲學(xué)會(huì)議論文集[C];2004年

6 張陳昊;鄭方;王琳琳;;基于多音素類模型的文本無關(guān)短語音說話人識(shí)別[A];需將論文集名稱修改為“第十二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC2013）論文集[C];2013年

7 周昊朗;王嵐;陳珂;;一個(gè)面向說話人識(shí)別的漢語語音數(shù)據(jù)庫[A];第六屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2001年

8 龍川;景新幸;楊海燕;;矢量量化與協(xié)方差矩陣結(jié)合的說話人識(shí)別方法[A];泛在信息社會(huì)中的聲學(xué)——中國聲學(xué)學(xué)會(huì)2010年全國會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文集[C];2010年

9 周昊朗;王嵐;吳璽宏;遲惠生;;一個(gè)面向說話人識(shí)別的漢語語音數(shù)據(jù)庫[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 王波;王炳錫;徐毅瓊;;基于多分類器的抗噪聲說話人識(shí)別系統(tǒng)[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

相關(guān)重要報(bào)紙文章 前2條

1 汪永安;科大訊飛說話人識(shí)別技術(shù)世界領(lǐng)先[N];安徽日?qǐng)?bào);2008年

2 吳長鋒;科大訊飛勇奪說話人識(shí)別國際大賽第一[N];科技日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 徐瓏婷;基于稀疏分解的說話人識(shí)別技術(shù)研究[D];南京郵電大學(xué);2017年

2 陸偉;基于缺失特征的文本無關(guān)說話人識(shí)別魯棒性研究[D];中國科學(xué)技術(shù)大學(xué);2008年

3 俞一彪;基于互信息理論的說話人識(shí)別研究[D];上海大學(xué);2004年

4 付中華;說話人識(shí)別系統(tǒng)魯棒性研究[D];西北工業(yè)大學(xué);2004年

5 侯麗敏;基于非線性理論和信息融合的說話人識(shí)別[D];上海大學(xué);2005年

6 雷震春;支持向量機(jī)在說話人識(shí)別中的應(yīng)用研究[D];浙江大學(xué);2006年

7 姚志強(qiáng);說話人識(shí)別中提高GMM性能方法的研究[D];中國科學(xué)技術(shù)大學(xué);2006年

8 包永強(qiáng);噪聲環(huán)境下說話人識(shí)別的研究[D];東南大學(xué);2006年

9 林琳;基于模糊聚類與遺傳算法的說話人識(shí)別理論研究及應(yīng)用[D];吉林大學(xué);2007年

10 解焱陸;基于特征變換和分類的文本無關(guān)電話語音說話人識(shí)別研究[D];中國科學(xué)技術(shù)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉樂;基于SlicedWasserstein距離的GMM-UBM說話人識(shí)別的研究[D];內(nèi)蒙古大學(xué);2019年

2 郭萬鵬;基于深度學(xué)習(xí)的說話人識(shí)別技術(shù)研究[D];蘭州理工大學(xué);2019年

3 萬艷紅;基于距離與相似性度量學(xué)習(xí)的說話人識(shí)別研究[D];江西師范大學(xué);2018年

4 李為州;深度學(xué)習(xí)與超向量在說話人識(shí)別中的應(yīng)用[D];江西師范大學(xué);2018年

5 徐鈺婷;跨語言背景下基于單元音的說話人識(shí)別研究[D];深圳大學(xué);2018年

6 陳莉芬;基于英語爆破音和摩擦音的跨語言說話人識(shí)別研究[D];深圳大學(xué);2018年

7 易中曼;關(guān)于法庭說話人識(shí)別的評(píng)估[D];西南政法大學(xué);2018年

8 郭慧陽;基于深度學(xué)習(xí)的說話人識(shí)別技術(shù)研究[D];廈門大學(xué);2018年

9 楊楠;基于深度學(xué)習(xí)的說話人識(shí)別研究與實(shí)現(xiàn)[D];鄭州大學(xué);2019年

10 梅文星;說話人識(shí)別中通用背景模型研究及深度學(xué)習(xí)初探[D];浙江大學(xué);2019年

本文編號(hào)：2619791