深浅层特征及模型融合的说话人识别

作者：仲伟峰; 方祥; 范存航; 温正棋; 陶建华

来源：声学学报(中文版), 2018, 43(02): 263-272.

DOI：10.15949/j.cnki.0371-0025.2018.02.016

• Vector
• 统计量
• 模型融合
• 声学特征
• 区分性训练
• DBF
• 特征融合
• UBM

为了进一步提高说话人识别系统的性能,提出基于深、浅层特征融合及基于I-Vector的模型融合的说话人识别。基于深、浅层特征融合的方法充分考虑不同层级特征之间的互补性,通过深、浅层特征的融合,更加全面地描述说话人信息;基于I-Vector模型融合的方法融合不同说话人识别系统提取的I-Vector特征后进行距离计算,在系统的整体结构上综合了不同说话人识别系统的优势。通过利用CASIA南北方言语料库进行测试,以等错误率为衡量指标,相比基线系统,基于深、浅层特征融合的说话人识别其等错误率相对下降了54.8%,基于I-Vector的模型融合的方法其等错误率相对下降了69.5%。实验结果表明,深、浅层特征及模型融合的方法是有效的。

• 单位
  自动化学院; 中国科学院大学; 中国科学院自动化研究所; 模式识别国家重点实验室; 哈尔滨理工大学