极低错误接受率的说话人识别方法研究

摘要：

针对一些说话人识别方法在应用中要面对海量的集外数据,其很低的错误接受率也会带来大量识别错误的情况,进行了极低错误接受率的说话人识别技术的研究,以求在保证召回率的前提下,将错误接受率降低至约万分之一的水平.研究的重点是对经典的高斯混合模型-通用背景模型(GMM-UBM)方法进行了改进,加入一个确认判决机制来进一步拒绝集外误识,尝试了三种确认方法--基于粗粒度分析窗的方法、基于集外竞争模型的方法、基于变化状态统计矢量的方法.实验结果表明,这三种方法都能够有效降低错误接受率指标,其中基于变化状态统计矢量的方法取得了最好的效果.

关键词：说话人识别、极低错误接受率、粗粒度分析窗、集外竞争模型、变化状态统计矢量

所属期刊栏目：21

分类号：TP3;TH1

资助基金：973计划2007CB311104

在线出版日期：2011-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：386-391