基于Feature Warping和ICA的发音方式鲁棒的说话人确认

【摘要】：在文本无关的说话人确认中,如果训练语音和测试语音的发音方式不匹配,会导致说话人确认系统的性能下降。针对此问题,本文在特征域上,将Feature Warping和ICA相结合,对声学特征进行变换补偿,提高了系统对发音方式变化的鲁棒性。首先通过ICA将训练语音和测试语音的特征向量映射到各维独立的向量空间,进而通过Feature Warping,将各维的特征分布映射成为高斯分布,从而消除因发音方式不同而导致的失配影响,最后将得到的各维独立的服从标准高斯分布的特征矢量作为GMM-UBM系统的输入,完成发音方式变化的说话人确认。实验结果表明,该方法与使用传统方式的基线系统相比,系统等错误率(EER)下降约25.48%。