采用主成分分析的特征映射

TP24; 在与文本无关的说话人识别研究中,特征映射的方法可以有效减少信道的影响.本文首先通过主成分分析的方法在模型域中估计出信道因子所在的空间,然后通过映射的方法在特征参数域中减去信道因子的影响.采用这种方法需要有信道信息标记的数据,但是在特征映射时不需要对信道进行判决.在NIST 2006年SRE 1conv4w-1conv4w数据库上,采用本文推荐方法的系统相对基线系统在等错误率上降低了19%....

Full description

Saved in:
Bibliographic Details
Published inZi dong hua xue bao Vol. 34; no. 8; pp. 876 - 879
Main Author 郭武 戴礼荣 王仁华
Format Journal Article
LanguageChinese
Published 中国科学技术大学电子工程与信息科学系科大讯飞语音实验室,合肥,230027 2008
Subjects
梅尔刻度式倒谱参数
混合高斯模型
说话人确认
超矢量
超矢量
梅尔刻度式倒谱参数
说话人确认
混合高斯模型
Online AccessGet full text
ISSN0254-4156
1874-1029
DOI10.3724/SP.J.1004.2008.00876

Cover

More Information
Summary:TP24; 在与文本无关的说话人识别研究中,特征映射的方法可以有效减少信道的影响.本文首先通过主成分分析的方法在模型域中估计出信道因子所在的空间,然后通过映射的方法在特征参数域中减去信道因子的影响.采用这种方法需要有信道信息标记的数据,但是在特征映射时不需要对信道进行判决.在NIST 2006年SRE 1conv4w-1conv4w数据库上,采用本文推荐方法的系统相对基线系统在等错误率上降低了19%.
Bibliography:TP24
11-2109/TP
Speaker verification, Gaussian mixture model （GMM）, supervector, Mel frequency cepstral coefficients （MFCC）
ISSN:0254-4156
1874-1029
DOI:10.3724/SP.J.1004.2008.00876