基于线性和非线性融合技术的隐马尔可夫模型说话人识别
机器学习
2007-05-23 v1
摘要
说话人识别是一种强大、非侵入式且低成本的生物特征技术。然而，当噪声水平影响特定频带时，识别精度会下降。本文提出了一种基于子带的说话人识别方法，旨在提高实时测试性能。每个频率子带被独立处理和分类。我们还比较了用于子带识别器的线性和非线性融合技术。支持向量机和高斯混合模型是所研究的非线性融合技术。结果表明，与宽带识别器相比，结合线性融合技术的基于子带的方法在实时测试中极大地提高了说话人识别的性能。实时测试性能提升了 9.78%。
引用
@article{arxiv.0705.1585,
title = {HMM Speaker Identification Using Linear and Non-linear Merging Techniques},
author = {Unathi Mahola and Fulufhelo V. Nelwamondo and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:0705.1585},
year = {2007}
}
评论
6 pages