GMM-UBM和SVM在说话人识别中的应用

被引：7

作者：

李荟 ^{[1
]}

赵云敏 ^{[2
]}

机构：

[1] 东北石油大学计算机与信息技术学院

[2] 大庆油田第一采油厂

来源：

计算机系统应用 | 2018年 / 27卷 / 01期

关键词：

说话人识别; GMM-UBM; SVM; 组合核函数;

D O I：

10.15888/j.cnki.csa.006153

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

0711 ;

摘要：

针对说话识别领域短语音导致的训练数据不充分的问题,选择能够突出说话人个性特征的GMM-UBM作为基线系统模型,并引入SVM解决GMM-UBM导致的系统鲁棒性差的问题.选择不同的核函数对SVM的识别性能有较大的影响,针对多项式核函数泛化能力较强、学习能力较差与径向基核函数学习能力较强、泛化能力较差的特性,对两种单核核函数进行线性加权组合,以使组合核函数兼具各单核的优点.仿真实验结果表明,组合核函数SVM的识别率和等错误率明显优于不引入SVM的GMM-UBM的基线系统及其它三个单核函数,并在不同信噪比情况下也兼顾了系统识别准确率与鲁棒性.

引用

页码：225 / 230

页数：6

共 6 条

[1] 组合核函数SVM在说话人识别中的应用 [J].