论文部分内容阅读
本文对说话人确认系统的鲁棒性进行了深入研究,论文主要工作包括:1.针对跨信道问题,提出了基于频带加权的特征提取算法,研究了其在不同数据集及基于i-vector的说话人确认系统的推广性。本文依据F-ratio准则估计梅尔频带在跨信道说话人确认任务中的频带区分度,依此进行频带加权,得到修正的MFCC提取算法;分析了F-ratio的区分性监督学习与i-vector全变量空间映射矩阵的非监督学习之间的差异,采用LDA区分性模型将F-ratio在特征域的说话人信息突显出来;研究基于i-vector的说话人确认框架下F-ratio方法在不同数据集合下的可扩展性。在2008年NIST核心评测集上的实验表明,相对于传统MFCC特征,基于频带加权的修正的MFCC特征在NIST核心评测的8种测试条件下均有不同程度的提高,在核心评测全集上的EER相对下降达12.2%。2.提出了基于DNN区分性训练的说话人确认方法。本文首先研究了DNN区分性训练数据集的筛选准则;提出采用i-vector的余弦度量和对应维度的幅值差值距离作为DNN区分性训练的输入,在说话人i-vector空间中构建基于DNN的区分性训练;最后,考虑到区分式模型与产生式模型的互补性,提出将PLDA模型与基于DNN区分性训练方法进行融合。在2008年NIST核心评测集上的实验表明,相对于i-vector+PLDA的基线系统,基于DNN区分性训练的方法在NIST核心评测8种测试条件下均有不同程度的提高,在核心评测全集上的EER相对下降达11.8%。3.提出了基于顺序自适应的模型动态更新算法。针对测试环境发生变化时说话人确认系统性能会大幅下降的问题,提出了基于MAP的GMM-UBM顺序自适应算法。通过控制MAP中先验度的大小,学习新环境下测试语音中包含的信道信息和说话人信息,实现模型的动态更新;进一步,在MLLR特征空间映射的基础上提出了基于f MAPLR的特征空间连续自适应,并与基于MAP的GMM-UBM顺序自适应相结合,提出了基于MAP-f MAPLR的顺序自适应算法。本文选择了两种不同的初始UBM,在CSLT-Chronos数据库上开展测试环境变化的模拟实验。实验表明,基于MAP-f MAPLR的上述两种顺序自适应算法的EER分别相对下降25.0%与39.0%。