基于直方图变换的说话人识别

提出了一种新颖的文本无关说话人识别（SI）方法。该方法使用梅尔频率倒谱系数（MFCCs）以及相邻帧间的动态信息作为特征集以捕捉说话人特征。为利用动态信息，我们通过将三个相邻 MFCCs 帧级联在一起设计超 MFCCs 特征。这些超 MFCCs 特征的概率密度函数（PDF）由近期提出的直方图变换（HT）方法估计，该方法通过随机变换生成更多训练数据以实现直方图 PDF 估计，并缓解了多元直方图计算中常见的不连续问题。与高斯混合模型等传统 PDF 估计方法相比，HT 模型在 SI 性能上表现出有前景的提升。