鸡尾酒会问题中的多说话人识别
音频与语音处理
2017-12-06 v1 声音
摘要
本文提出一种原创的统计决策理论，以解决鸡尾酒会问题中的多说话人识别任务。该理论基于一个假设：说话人各异的频率服从高斯分布，且其声纹之间的关系可由欧氏距离向量表示。本文使用梅尔频率倒谱系数来提取声音特征，以判断多说话人环境中是否包含某一说话人，并辨别该说话人应为谁。最后，通过说话人曼哈顿距离的映射建立十三维星图，以全面考虑总体影响因素。
引用
@article{arxiv.1712.01742,
title = {Multi-speaker Recognition in Cocktail Party Problem},
author = {Yiqian Wang and Wensheng Sun},
journal= {arXiv preprint arXiv:1712.01742},
year = {2017}
}
备注
the 6th International Conference on Communications, Signal Processing and Systems (CSPS)