基于通用背景稀疏编码的说话人验证在TIMIT上的研究
声音
2017-03-14 v4
摘要
在本文中，我们提出一种称为通用背景稀疏编码(UBSC)的通用背景模型，用于说话人验证。所提方法通过数据重采样训练聚类集成，并通过一最近邻优化加二值化从聚类产生稀疏编码。UBSC的主要优势在于它不受局部极小值影响，且不对数据分布作高斯假设。我们在干净语音语料库TIMIT上评估了UBSC。我们使用余弦相似度和内积相似度作为试次的打分方法。实验结果表明UBSC与高斯混合模型相当。
引用
@article{arxiv.1509.07298,
title = {An Investigation of Universal Background Sparse Coding Based Speaker Verification on TIMIT},
author = {Xiao-Lei Zhang},
journal= {arXiv preprint arXiv:1509.07298},
year = {2017}
}