一种基于筛选高斯分量的说话人确认方法

何建超，章坚武，吴震东

(杭州电子科技大学通信工程学院，浙江 杭州 310018)



一种基于筛选高斯分量的说话人确认方法

何建超，章坚武，吴震东

(杭州电子科技大学通信工程学院，浙江 杭州 310018)

摘要：介绍了说话人确认模型的研究现状及其存在的若干问题，在此基础上提出了一种基于筛选高斯分量的说话人确认算法。在训练与说话人相关的高斯混合模型时，仅利用区分性能较强的高斯分量，并舍弃区分性能较低的高斯分量，从而组成新的低阶高斯混合模型和针对性的低阶通用背景模型。该算法以经典的通用背景模型架构为基础，自适应更新模型参数，同时借鉴了竞争模型中竞争的思想，是融合了基于UBM-MAP-GMM架构和基于竞争模型架构的新型算法。实验结果表明，算法在减少模型训练时间的同时能有效地降低系统等错误率。

关键词：说话人确认；自适应；竞争模型；等错误率

0引言

高斯混合模型(Gaussian Mixture Model，GMM)能较好地描述语者的声门信息，且语音的似然度能较好地描述该测试者，然而考虑到测试语音的单一似然度受到如声道特性、录音环境等诸多因素的影响，使得系统的判决阈值设定变得困难。鉴于此，主流的说话人确认系统都会增设一个冒认者模型，用于描述冒认者音素的空间分布，降低噪声等因素对系统性能的影响，同时减少系统对阈值的依赖。冒认者模型大致可分为通用背景模型(Universal Background Model，UBM)和竞争者模型(Cohort Model，CM)[1-2]。前者对一般冒认者的区分性能较强，但对针对性选取的测试语音区分性能较弱；……