面向鲁棒说话人识别的 DNN 语音信号增强分析

本文中，我们针对用于语音增强、去混响与去噪的基于 DNN 的自编码器进行分析。目标应用是一个鲁棒说话人验证（SV）系统。我们的方法始于精心设计并覆盖广泛声学条件的数据增强过程，并为 SV 系统各组件获取丰富训练数据。我们用人工加噪与混响数据增强若干个 SV 中常用的知名数据库，并用它们训练一个去噪自编码器（将带噪与混响语音映射至其干净版本）以及目前被视为 SV 中最先进技术的 x-vector 提取器。随后，我们将该自编码器用作文本无关 SV 系统的预处理步骤。我们比较了自编码器增强、多条件 PLDA 训练及其联合使用所取得的结果。我们给出了在 NIST SRE 2010、2016、PRISM 各种条件及重传数据下的详细分析。我们得出结论：所提预处理可显著改善 i-vector 与 x-vector 基线，且该技可被用于为各种目标域构建鲁棒 SV 系统。