QQ客服 官方微博 反馈留言

	基于总体变化子空间自适应的i-vector说话人识别系统研究
	栗志意 ; 张卫强 ; 何亮 ; 刘加 ; LI Zhi-Yi ; ZHANG Wei-Qiang ; HE Liang ; LIU Jia
	2016-03-30 ; 2016-03-30
关键词	身份认证矢量 总体变化子空间 自适应 说话人识别 i-vector total variability subspace adaptation speaker recognition TP391.41
其他题名	Total Variability Subspace Adaptation Based Speaker Recognition
中文摘要	在说话人识别研究中,基于身份认证矢量(identity vector,i-vector)的子空间建模被证明是目前最前沿最有效的说话人建模技术,其中如何有效准确地估计总体变化子空间矩阵T成为影响系统性能好坏的关键问题.本文针对i-vector技术如何在新的应用环境下进行总体变化子空间矩阵T的自适应估计问题进行了研究,并提出了两种行之有效的自适应估计算法.在由美国国家标准技术局(American National Institute of Standard and Technology,NIST)组织的2008年说话人识别核心评测数据库以及自行采集的测试数据库上的实验结果显示,不论采用测试集数据本身还是与测试集较匹配的开发集数据,通过本文所提的自适应算法来更新总体变化子空间矩阵均可以使更新后的子空间更有利于新测试数据下的低维子空间描述,在新的测试环境下都更有利于说话人分类.此外实验结果还表明基于多子空间拼接的子空间自适应方法性能明显优于迭代自适应方法,而且两者的结合可达到最优的识别性能,且此时利用开发集数据进行自适应可以接近其利用测试集数据进行自适应得到的最优性能.; In text-independent speaker recognition, the identity vector(i-vector) based modeling method has recently been proved to be the most popular and efficient method. It is a key problem to estimate the total variability subspace T efficiently and accurately. In this paper, two adaptation algorithms are proposed in order to improve the performance of the i-vector base system in practical environments. Experiments on the 2008 core speaker recognition evaluation dataset of American NIST and Technology and the self-collected speaker recognition evaluation dataset demonstrate that using the proposed adaptation algorithms to adapt to the total variability subspace T from either the test dataset or the developing dataset is effective for improving the performance. In addition, the combination of the two adaptation algorithms can achieve almost the best performance using the developing dataset rather than the test dataset.
语种	中文 ; 中文
内容类型	期刊论文
源URL	[http://ir.lib.tsinghua.edu.cn/ir/item.do?handle=123456789/146716]
专题	清华大学
推荐引用方式 GB/T 7714	栗志意,张卫强,何亮,等. 基于总体变化子空间自适应的i-vector说话人识别系统研究[J],2016, 2016.
APA	栗志意.,张卫强.,何亮.,刘加.,LI Zhi-Yi.,...&LIU Jia.(2016).基于总体变化子空间自适应的i-vector说话人识别系统研究..
MLA	栗志意,et al."基于总体变化子空间自适应的i-vector说话人识别系统研究".(2016).

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。