一种基于SVDD模型的说话人确认方法研究

doi:10.3969/j.issn.1006-2475.2013.04.002

计算机与现代化 ›› 2013, Vol. 1 ›› Issue (4): 5-9.doi: 10.3969/j.issn.1006-2475.2013.04.002

一种基于SVDD模型的说话人确认方法研究

陈觉之¹，张贵荣²，周宇欢³

1.海军指挥学院信息系，江苏南京 211800；2.中国人民解放军92601部队计量站，广东湛江 524009；3.解放军理工大学指挥信息系统学院，江苏南京 210007

收稿日期:2013-03-12 修回日期:1900-01-01 出版日期:2013-04-17 发布日期:2013-04-17

Research on Method of Speaker Verification Based on Support Vector Data Description Model

CHEN Jue-zhi¹, ZHANG Gui-rong², ZHOU Yu-huan³

1. Department of Information, Naval Command Academy, Nanjing 211800, China;2. Metering Station, Troop 92601 of PLA, Zhanjiang 524009, China;3. Institute of Command Information System, PLA University of Science and Technology, Nanjing 210007, China

Received:2013-03-12 Revised:1900-01-01 Online:2013-04-17 Published:2013-04-17

摘要/Abstract

摘要： 为改善说话人确认的性能，提出一种基于支持向量数据描述（SVDD）模型的说话人确认方法，通过改变SVDD硬判决方式，采用以样本接受率为依据的软判决方式，把似然得分规整到[0,1]之间，简化门限阈值的设定。仿真实验结果表明，与通常基于高斯混合模型（GMM）的说话人确认算法相比，该方法的说话人确认性能有较大提高。

关键词: 说话人识别, 说话人确认, 向量数据描述, 高斯混合模型

Abstract: With the purpose of improving the performance of speaker verification, a novel speaker verification method based on support vector data description (SVDD) model is proposed. The traditional hard decision method of SVDD is changed to a novel soft decision method based on the sample acceptance rate, therefore the confidence scores are normalized to the value [0,1] so as to simplify the threshold value setting. Simulation experiments show that the performance of speaker verification based on this novel method is remarkably better than that based on Gaussian mixture model (GMM) customarily.

Key words: speaker recognition, speaker verification, support vector data description (SVDD), Gaussian mixture model (GMM)

中图分类号:

TN912.34

陈觉之;张贵荣;周宇欢. 一种基于SVDD模型的说话人确认方法研究[J]. 计算机与现代化, 2013, 1(4): 5-9.

CHEN Jue-zhi;ZHANG Gui-rong;ZHOU Yu-huan. Research on Method of Speaker Verification Based on Support Vector Data Description Model[J]. Computer and Modernization, 2013, 1(4): 5-9.

[1]	郝敏,刘航,李扬,简单,王俊影. 基于聚类分析与说话人识别的语音跟踪[J]. 计算机与现代化, 2020, 0(04): 7-.
[2]	张学祥，雷菊阳. 基于DNN与基音周期的说话人识别[J]. 计算机与现代化, 2020, 0(01): 122-.
[3]	王致强，乐嘉锦，陈德华. 基于甲亢临床指标的多维时间序列关联度分析[J]. 计算机与现代化, 2016, 0(4): 12-15.
[4]	李荣，王华君，徐燕华，孟德建. 基于监督超向量编码和自适应GMM的人脸表情识别方法[J]. 计算机与现代化, 2016, 0(2): 15-20.
[5]	陈觉之;张贵荣;周宇欢. 基于GMM模型的自适应说话人识别研究[J]. 计算机与现代化, 2013, 1(7): 91-093.
[6]	陈觉之;张贵荣;周宇欢. 基于CCA和PCA的说话人特征降维研究  [J]. 计算机与现代化, 2013, 1(6): 16-19.
[7]	陈觉之;张贵荣;周宇欢. 一种基于贪婪策略的说话人语音特征优选方法[J]. 计算机与现代化, 2013, 1(5): 201-205.
[8]	冯皓;滕忠坚;林杨;庄小芳. 位图图像稳定区域分割的种子点选取条件[J]. 计算机与现代化, 2012, 1(03): 44-47.
[9]	马红星王海坤刘聪. 命令词语音识别系统的置信度改进方法 [J]. 计算机与现代化, 2011, 194(10): 146-149.
[10]	赵义正. 一种新的分维高斯混合模型语音转换方法[J]. 计算机与现代化, 2010, 1(9): 82-84.
[11]	叶蕾;方鹏. 文本无关的说话人识别系统抗噪方法研究[J]. 计算机与现代化, 2010, 1(10): 16-19.

一种基于SVDD模型的说话人确认方法研究

Research on Method of Speaker Verification Based on Support Vector Data Description Model

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价