基于稀疏表示的說話人識別研究.pdf

1、隨著現(xiàn)代生物識別技術(shù)的不斷發(fā)展，說話人識別技術(shù)受到了越來越多的專家學(xué)者的關(guān)注。通過分析說話人的語音信息，從而有效的識別說話人的身份，說話人識別技術(shù)因其簡便高效的特性受到廣泛應(yīng)用，例如網(wǎng)絡(luò)安全、司法鑒定以及國家信息安全等領(lǐng)域。
　　傳統(tǒng)的說話人識別方法中，GMM-UBM采用通用背景模板自適應(yīng)說話人模型，反映出了個(gè)性特征，但是計(jì)算量過大，區(qū)分能力不足，而流行的SVM分類器利用非線性核函數(shù)進(jìn)行分類，盡管識別性能有所提高，但卻過度依賴樣本

2、數(shù)據(jù)的分布。稀疏表示原理能夠利用數(shù)量最少的原子反映信號特征，從而進(jìn)一步提高系統(tǒng)的區(qū)分性。因此在深入的分析稀疏表示的原理以及字典構(gòu)造方法的基礎(chǔ)上，提出了基于稀疏表示的說話人識別，同時(shí)將Fisher判別字典學(xué)習(xí)算法應(yīng)用于說話人識別，具體工作如下：
　?。?）研究學(xué)習(xí)稀疏表示理論，對語音信號的稀疏性進(jìn)行分析，探究語音信號稀疏性表示的可行性，結(jié)合語音信號的可重構(gòu)的特性，提出基于稀疏表示的說話人識別方法i-SRC，采用當(dāng)前主流的i-vect

3、or建模方式為說話人建立模型，利用說話人的均值超矢量構(gòu)造隨機(jī)字典，再通過重構(gòu)誤差進(jìn)行識別，實(shí)驗(yàn)顯示,GMM-SRC的識別率確實(shí)有所提升。
　?。?）為了進(jìn)一步提高識別的效率，在i-SRC的識別方法基礎(chǔ)上，學(xué)習(xí)探討了字典的構(gòu)造方法，引入了一種具有判別性的字典學(xué)習(xí)方法，即Fisher判別字典學(xué)習(xí)算法，利用該算法訓(xùn)練得到一個(gè)具有區(qū)分性的結(jié)構(gòu)化字典，該字典的原子與類別標(biāo)簽存在對應(yīng)關(guān)系，以此可以很好地利用重構(gòu)信息對測試語音進(jìn)行分類。在NIS