用于文本无关说话人识别的PCA/LDA方法
声音
2016-10-04 v1 机器学习
摘要
几十年来，为了同时提高准确率和效率，已开发了各种文本无关说话人识别算法。本文提出一种基于PCA/LDA的新方法，比传统的基于统计模型的方法更快且取得有竞争力的结果。首先，测量了仅基于PCA和仅基于LDA的性能；然后引入了结合两种方法优势的混合模型。使用由200名男性说话人组成的TIMIT语料库子集进行注册、验证和测试。最佳结果在群体规模50、100和200时分别达到100%、96%和95%的分类率，使用的是带有差分和双差分的39维MFCC特征。这些结果基于12秒文本无关语音训练和4秒数据测试。它们与常规MFCC-GMM方法相当，但训练和运行所需时间显著更少。
引用
@article{arxiv.1602.08045,
title = {PCA/LDA Approach for Text-Independent Speaker Recognition},
author = {Zhenhao Ge and Sudhendu R. Sharma and Mark J. T. Smith},
journal= {arXiv preprint arXiv:1602.08045},
year = {2016}
}
备注
Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series