用于噪声鲁棒说话人确认的对抗网络瓶颈特征
声音
2017-06-13 v1
摘要
在本文中，我们提出了一种由对抗网络（AN）生成的噪声鲁棒瓶颈特征表示。该AN包含两个级联连接的网络：编码网络（EN）和判别网络（DN）。纯净语音和含噪语音的Mel频率倒谱系数（MFCCs）被用作EN的输入，EN的输出被用作噪声鲁棒特征。EN和DN交替训练，即在训练DN时，选择噪声类型作为训练标签；而在训练EN时，所有标签被设置为相同，即纯净语音标签，其目的是使AN特征对噪声不变，从而实现噪声鲁棒性。我们在基于高斯混合模型-通用背景模型的说话人确认系统上评估了所提出特征的性能，并与短时谱幅度最小均方误差（STSA-MMSE）和基于深度神经网络的语音增强（DNN-SE）方法增强的语音MFCC特征进行了比较。在RSR2015数据库上的实验结果表明，对于不同的噪声类型和信噪比，所提出的AN瓶颈特征（AN-BN）显著优于基于STSA-MMSE和DNN-SE的MFCCs。此外，AN-BN特征能够在纯净条件下提升说话人确认的性能。
引用
@article{arxiv.1706.03397,
title = {Adversarial Network Bottleneck Features for Noise Robust Speaker Verification},
author = {Hong Yu and Zheng-Hua Tan and Zhanyu Ma and Jun Guo},
journal= {arXiv preprint arXiv:1706.03397},
year = {2017}
}