采用非监督得分规整和因子分析的说话人确认

在文本无关的说话人确认中,规整算法能够有效地调整测试得分的分布.另外,利用前面已经得到的测试语句的得分来调整规整的参数可以取得更好的效果,这种规整叫做非监督得分规整.在本文中,借用开发集得分来建立说话人和冒认者得分的两个先验高斯分布函数,在实际的测试中,利用最大后验概率准则来对规整的模型参数进行调整.在采用因子分析的情况下,在NIST2006说话人识别测试1conv4w-1conv4w数据库上,能够取得等错误率5.26%.

语音查询项检索中的两阶段得分规整方法

得分规整为语音查询项检索系统中的必要过程,文中提出两阶段得分规整方法.先引入rank-p和relativeto-max这2个特征至区分性得分规整方法中,使正确候选结果和错误候选结果的置信度得分区分性更大,更易进行关键词确认.再应用基于优化查询项权重代价指标的得分规整方法得到最优的语音查询项检索性能.实验表明,文中方法同时利用区分性和基于优化查询项权重代价指标得分规整方法的优点,相比最佳单一得分规整方法性能更优.

基于SVM一对多得分规整的语种识别方法

提出一种支持向量机(SVM)一对多得分规整的语种识别方法。通过对SVM得分进行规整,提高了各语种得分间的区分性,同时对分类效果较差的SVM分类器更鲁棒。仿真实验基于音素层特征的并行音素识别器后接向量空间模型(PPRVSM)的语种识别系统上进行,在美国国家标准技术署(NIST)2011年语种识别评测(LRE)30s数据集上的实验表明,提出的规整方法在语种识别性能评价指标EER和min DCF上相对提升2.6%-10.9%。

基于子空间映射和得分规整的GSV-SVM方言识别

为了提高语音识别中方言识别由于差异性小混淆度高造成识别率低的问题,针对汉语普通话、青海方言和藏语安多方言设计一个基于子空间映射和分数归一化技术的GSV-SVM方言识别系统。利用最大后验概率准则自适应生成KL核的GSV,对GSV进行低维子空间映射;再利用映射后的空间训练多SVM模型进行得分域规整与识别。实验结果表明,采用该系统可以有效对混淆度高的方言进行识别。

说话人确认中基于无监督聚类的得分规整

在说话人确认任务中,得分规整可有效调整测试得分分布,使每个说话人的得分分布接近同一分布,从而提升系统整体性能。直接从开发集中获得针对待识别目标说话人的大量冒认者得分,利用无监督聚类手段对这些得分进行筛选,并采用混合高斯模型来拟合得分分布,挑选均值最大的高斯单元作为得分规整的参数并将其应用于说话人的得分规整。在NIST SRE 2016测试集上的测试结果表明,相对于其他得分规整算法,采用无监督聚类得分规整的方法可有效提升系统性能。

基于得分规整的说话人确认

对于说话人确认系统,由于不同识别对得分分布的差异性,如果对原始得分直接使用统一门限判决,会严重影响系统的性能,因此需要对得分进行规整。针对现有得分规整方法的不足,本文提出一种基于对数似然值归一化(Log-likelihood Normalization,LLN)得分规整的说话人确认系统。LLN在不需要先验知识的情况下,通过扩大同一测试语音在目标说话人模型与非目标说话人模型上的得分差距,使同一测试语音对应的两类识别对得分混叠现象得到有效改善,进而利于系统的区分判决。实验证明,LLN是一种有效的得分规整方法,且与已有的零规整和测试规整形成互补,可进一步提高说话人确认系统的性能。

采用模型和得分非监督自适应的说话人识别

在说话人识别的研究中,使用以前的测试语句信息对模型参数或者测试得分进行动态更新,使模型可以更精确地反映测试语句和说话人模型之间的关系,这种更新策略称为非监督模式,这方面的研究对实际的说话人识别系统具有非常重要的意义.本文除了采用非监督的说话人模型自适应更新方法之外,还提出了非监督的得分域自适应算法:首先采用双高斯函数对得分建立一个先验的得分模型,利用最大后验概率准则对得分规整的模型进行调整.在测试过程中,采用得分域和模型域的非监督算法可以互相补充,提高识别率,在NISTSRE2006年1训练语段-1测试语段数据库上,使用模型域和得分域非监督自适应的系统能够取得等错误率4.3%和检测代价函数0.021的结果.

组合特征和二级判断模型相结合的说话人识别

针对目前说话人识别中个性化的特征提取以及假冒说话人的问题,提出一种组合特征提取和二级判断模型相结合的说话人识别方法。在特征提取阶段,采用MFCC倒谱特征、Delta_Delta特征与平均幅度差法提取的基音周期相结合进行组合特征提取;在识别阶段,采用得分规整后的得分值与一个统一的阈值比较,将一部分假冒说话人排除后,再结合二级判断模型进行识别。实验结果证明该方法有效提高了识别率。

基于PLDA的多信道多语音说话人确认研究

在NIST SRE 2012年评测和实际应用中,可以用说话人的多个语音样本来注册说话人模型,并且这些语音样本取自于各种各样的信道。本文基于PLDA,尝试了多种打分方法,并提出一种新的得分规整技术,在NIST SRE 2012核心测试集上,EER平均提升26.0%,MinCost平均提升12.4%。