结合谱减和缺失特征重建的鲁棒性话者识别

针对加性噪声影响下文本无关说话人识别系统性能急剧下降的问题，提出谱减和缺失特征重建相结合的方法。该方法将被噪声严重污染的频段称为缺失特征，采用谱减法对语音信号进行前端处理，并检测缺失特征；利用基于聚类的重建方法，由可靠特征估计缺失特征。在YOHO数据库上信噪比（SNR）为5～20dB的实验表明，相对于单独的谱减法和缺失特征重建方法，该方法的识别性能有显著提高。

基于数据驱动缺失特征检测与重建的声纹识别

声纹识别系统的识别性能会随着环境噪声的增强而急剧降低,为了使系统具备一定的噪声鲁棒性,提出了一种基于数据驱动缺失特征检测与重建的声纹识别前端处理方法。充分利用大量数据训练得到的信息估计子带信噪比,检测、标记和重建被噪声污染严重的子带特征,从而得到噪声鲁棒性特征参数。实验表明,该方法在低信噪比环境下取得了较高的识别率提升,在非平稳噪声下系统性能也有着较好的改善。