基于子带矢量量化的鲁棒性话者模型的设计

摘要：

话者识别系统的时间鲁棒性是影响话者识别系统实用化的关键问题之一.为了提高系统的时间鲁棒性,文章提出了基于子带矢量量化(SBVQ)的话者模型.该话者模型由对应语音文本不同频段的各个子带上的矢量量化码本(SBVQ码本)构成. SBVQ话者模型反映了不同频段对话者识别系统性能的不同影响,并可将时间间隔等因素对系统性能的影响局限在某个子带内从而提高模型的时间鲁棒性.识别时,利用BP型人工神经网络(BPNN)对训练数据在各个子带上的量化误差进行拟合可进一步提升系统的性能.实验表明,文章提出的SBVQ话者模型具有较好的时间鲁棒性.

关键词：鲁棒性、子带矢量量化、人工神经网络、话者模型

所属期刊栏目：36

分类号：TP3(计算技术、计算机技术)

资助基金：中国科学院资助项目69872036

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：15-17