说话人识别算法鲁棒性研究

摘要：

由于噪声干扰问题,说话人识别算法的效率受到很大影响.为此,在美尔倒谱系数特征提取的基础上,采用半升正弦函数对特征进行修正.采用特征规整、特征弯折和特征映射三种方法对特征进行校对.为提高说话人识别率以及模型的鲁棒性,提出混合BP神经网络与混合高斯模型的方法,将高斯混合模型的概率输出作为神经网络输入,从而获取说话人间的交互信息.试验结果显示,算法的识别率高,抗噪性好.

关键词：说话人识别、美尔频率倒谱系数、高斯混合模型、神经网络

所属期刊栏目：15

分类号：TN912.3

资助基金：南京工程学院创新基金面上项目CKJC201505

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：60-66