利用互补信息融合提升说话人识别系统性能
声音
2015-03-19 v2 多媒体
摘要
特征提取作为说话人识别（SI）流程中的前端处理模块，起着重要作用。大多数 SI 系统利用诸如梅尔频率倒谱系数（MFCC）、感知线性预测（PLP）、线性预测倒谱系数（LPCC）等特征来表示语音信号。它们的推导基于语音信号的短时处理，试图捕捉声道信息而忽略了声带的贡献。声带线索在 SI 语境中同样重要，因为诸如基频、残差信号中的相位等信息可以传达重要的说话人特定属性，并与频谱特征集中包含的信息互补。本文提出了一种从 LP 建模的残差信号中提取的新型特征集。这里使用高阶统计矩来寻找残差信号中的非线性关系。为了获得互补性的优势，基于声带的决策得分与基于声道的得分进行融合。在两个公开数据库上的实验结果表明，融合模式系统的性能优于单一频谱特征。
引用
@article{arxiv.1105.2770,
title = {Improving Performance of Speaker Identification System Using Complementary Information Fusion},
author = {Md. Sahidullah and Sandipan Chakroborty and Goutam Saha},
journal= {arXiv preprint arXiv:1105.2770},
year = {2015}
}
备注
6 Pages, 3 figures