基于GMM-UBM说话人模型的连续自适应算法研究

被引：1

作者：

张正平

张丽娜

贺松

机构：

[1] 贵州大学大数据与信息工程学院

来源：

通信电源技术 | 2016年 / 33卷 / 02期

关键词：

说话人识别; GMM-UBM; 最大后验概率; 连续自适应;

D O I：

10.19399/j.cnki.tpt.2016.02.029

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

0711 ;

摘要：

实际应用中与文本无关的说话人识别研究,模型训练的说话人语音一般是有限的。此外,由于说话人自身生理因素的改变、外部采集环境的变化等都可能会导致说话人语音的声学特征发生改变。因此,代表说话人模型的特征分布也在不断变化,从而造成说话人识别系统识别率下降。文中在说话人自适应技术的基础上,提出了说话人模型的连续自适应算法,解决了因说话人自身声学特征的变化导致识别率下降的问题。

引用

页码：81 / 83

页数：3

共 7 条

[1]

与文本无关的说话人识别中的自适应方法研究.[D].刘奇峰.中国传媒大学.2007, 03

[2]

文本无关的说话人确认系统的研究.[D].周元.重庆大学.2006, 12

[3]

Speaker identification and verification using Gaussian mixture speaker models.[J].Douglas A. Reynolds.Speech Communication.1995, 1

[4]

基于ARM的嵌入式说话人确认系统.[A].张彩红;洪青阳;陈晓阳;陈燕;.第九届全国人机语音通讯学术会议.2007,

[5]

基于GMM-UBM的说话人确认系统的研究.[J].张彩红;洪青阳;陈燕;.心智与计算.2007, 04

[6] 声纹识别系统 [J].

蔡耿平 ;

黄顺珍 ;

徐志鸿 ;

蓝波 ;

范国华 ;

梁凡 .

深圳大学学报, 2002, (02) :78-80

[7]

文本无关短语音说话人识别技术研究.[D].李邵梅.解放军信息工程大学.2011, 08

← 1 →