语种识别算法中GSV计算的定点仿真与实现

基于GSV-SVM的语种识别方法是目前最为流行的语种识别方法之一,其采用基于通用背景模型GMM-UBM的GSV作为声学模型,支持向量机SVM作为区分模型。大量仿真测试结果表明,GSV在整个系统中占的运算量为80%左右,是算法硬件实现的瓶颈。鉴于此,对基于GSV的硬件实现方法进行了研究,提出了一种快速GSV定点计算方法,其采用addlog运算简化对数似然函数的计算,完成了语种识别的高效定点实现。实验结果表明,该定点方法的识别率与浮点识别基本一致,满足应用要求。

基于得分域多维特征分类器的声纹密码系统

针对不同类型数据对目标发音人区分能力不同的现象,在传统系统基础上提出利用UBM模型对测试数据进行分类,使用分类后的似然比得分形成多维特征,在此基础上利用SVM分类器进行声纹密码确认.该方法把传统的似然比检验策略转换成多维特征空间上的二类分类问题.测试与注册数据同信道情况时,在4种手机数据集上,文中系统相对文本相关GMM-UBM声纹密码系统等错误率分别下降41.25%、33.33%、37.49%和26.03%,在交叉信道上系统性能也获得改善.