基于改进信道补偿的I-vector 说话人识别

罗家诚

（武汉邮电科学研究院，湖北 武汉 430000）

说话人识别是一种生物识别方式，即通过收集到的声音信号进行说话人的身份识别和确认[1]。语音识别技术的发展路径众多，包括说话人识别、自然语言处理、孤立词识别、模糊语义识别、前端语音处理等技术，说话人识别技术因适用性广、应用场景多，在语音识别的众多发展路径中应用更为广泛，同时许多相关技术和研讨也在进行和发展之中。以验证方式划分，说话人识别可以分为文本相关和文本无关两种，其中文本无关[2]的说话人识别技术[3]受语音信道因素的影响，使得说话人识别算法的识别率不理想，限制了应用场景。文中利用因子分析技术(Factor Analysis，FA)[4]将语音特征参数中的高维超向量映射到低维，并通过信道补偿技术，将信道中说话人特征空间与信道空间中的差异进行拟合处理，消除信道因素影响。

身份认证矢量(Identity-vector，I-vector)说话人模型识别过程包含语音信号端点检测[5]、语音信号特征提取[6]和说话人高斯混合模型(Gaussian Mixture Model，GMM)建立3 部分，经前端端点检测后的语音信号通过梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)提取说话人语音特征参数，使用最大后验概率(Maximum A Posteriori，MAP)自适应算法获得说话人GMM，并建立通用背景模型(Universal Background Model，UBM)[7]。引入信道补偿技术[8]可以消除语音信道差异对说话人识别结果的影响，提高识别率。文中提出一种改进的信道补偿算法，通过改进线性判别算法(Linear Discriminant Analysis，LDA)[9]对I-vector 向量的特征参数进行降维，并利用类内协方差规整[10](Within Class Covariance Normalization，WCCN)对信道进行补偿，提高I-vector 模型系统的识别准确率。……