文本无关说话人识别的全特征矢量集模型及互信息评估方法

摘要：

提出了一种文本无关说话人识别的全特征矢量集模型及互信息评估方法,该模型通过对一组说话人语音数据在特征空间进行聚类而形成,全面地反映了说话人语音的个性特征.对于说话人语音的似然度计算与判决,则提出了一种互信息评估方法,该算法综合分析距离空间和信息空间的似然度,并运用最大互信息判决准则进行识别判决.实验分析了线性预测倒谱系数(LPCC)和Mel频率倒谱系数(MFCC)两种情况下应用全特征矢量集模型和互信息评估算法的说话人识别性能,并与高斯混合模型进行了比较.结果表明:全特征矢量集模型和互信息评估算法能够充分反映说话人语音特征,并能够有效评估说话人语音特征相似程度,具有很好的识别性能,是有效的.

机标关键词：mel频率倒谱系数、高斯混合模型、线性预测倒谱系数、语音特征、mfcc、最大互信息、识别性能、特征空间、评估算法、个性特征

所属期刊栏目：30

分类号：TN91

资助基金：国家自然科学基金;江苏省高等学校自然科学研究项目

在线出版日期：2007-08-27（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：536-541