利用二阶循环隐马尔可夫模型提升喊叫说话条件下的说话人识别性能
声音
2017-07-03 v1
摘要
已知说话人识别系统在中性说话条件下性能较高；然而在喊叫说话条件下性能会下降。本文提出并实现了二阶循环隐马尔可夫模型（CHMM2s），以提升喊叫说话条件下孤立词文本相关说话人识别系统的性能。我们的结果表明，相较于一级从左到右隐马尔可夫模型（LTRHMM1s）、二级从左到右隐马尔可夫模型（LTRHMM2s）以及一级循环隐马尔可夫模型（CHMM1s），CHMM2s在此条件下显著改善说话人识别性能。在喊叫说话条件下，我们的结果显示基于LTRHMM1s的平均说话人识别性能为23%，基于LTRHMM2s为59%，基于CHMM1s为60%。另一方面，基于CHMM2s的相同说话条件下的平均说话人识别性能为72%。
引用
@article{arxiv.1706.09716,
title = {Enhancing speaker identification performance under the shouted talking condition using second-order circular hidden Markov models},
author = {Ismail Shahin},
journal= {arXiv preprint arXiv:1706.09716},
year = {2017}
}