一种用于文本无关说话人识别的新型语音特征融合算法
音频与语音处理
2022-12-02 v1
摘要
本文提出一种结合独立向量分析（IVA）与并行卷积神经网络（PCNN）的新型语音特征融合算法，用于文本无关说话人识别。首先，可从说话人语音中提取时域（TD）特征与频域（FD）特征等不同类型的特征，TD 与 FD 特征可视为独立特征分量（IFCs）在未知混合系统下的线性混合。为估计 IFCs，将说话人语音的 TD 与 FD 特征分别拼接构建 TD 与 FD 特征矩阵，随后通过并行 TD 与 FD 特征矩阵得到说话人语音的特征张量。为增强对不同特征类型的依赖并去除同类特征中的冗余，利用独立向量分析（IVA）基于该特征张量估计 TD 与 FD 特征的 IFC 矩阵。将 IFC 矩阵作为 PCNN 的输入，分别提取 TD 与 FD 特征的深度特征，并将深度特征整合得到说话人语音的融合特征。最后，将融合特征作为深度卷积神经网络（DCNN）分类器的输入用于说话人识别。实验结果表明了所提说话人识别系统的有效性与性能。
引用
@article{arxiv.2212.00329,
title = {A Novel Speech Feature Fusion Algorithm for Text-Independent Speaker Recognition},
author = {Biao Ma and Chengben Xu and Ye Zhang},
journal= {arXiv preprint arXiv:2212.00329},
year = {2022}
}