01 现在的位置:首页 > 期刊导读 > 2017 > 01 >

基于GMM托肯配比相似度校正得分的说话人识别

【作者】 杨莹春 邓立才    浙江大学计算机学院 杭州310027

【关键词】 说话人识别 GMM托肯配比(GT

摘要】该文提出一种基于Gauss混合模型(GMM)托肯配比相似度校正得分(GMM token ratio similarity based score regulation,GTRSR)的说话人识别方法。基于GMM—UBM(通用背景模型)识别框架,在自适应训练和测试阶段计算并保存自适应训练语句和测试语句在UBM上使特征帧得分最高的Gauss分量编号(GMMtoken)出现的比例(配比),然后在测试阶段计算测试语句和自适应训练语句的GMM托肯分布的配比的相似度GTRS,当GTRS小于某阈值时对测试得分乘以一个惩罚因子,将结果作为测试语句的最终得分。在MASC数据库上进行的实验表明,该方法能够使系统识别性能有一定的提升。

上一篇:PDF文件漏洞检测
下一篇:基于信誉系统及数据噪声点检测技术的无线传感器网络节点安全模型

版权所有@清华大学  京公网安备 110402430053 号
地址:北京市海淀区清华园   邮政编码:100084