一种新的α-GMM 聚类说话人确认算法.pdf

第 29卷第 10期计算机应用与软件 Vol
2012年 puterApplicationsandSoftware
一种新的αGMM 聚类说话人确认算法
李恒杰邢玉娟
(甘肃联合大学电子信息工程学院甘肃兰州 730000)
摘要针对噪声环境下说话人识别率低的问题,提出一种基于αGMM聚类和 SVM的说话人确认算法。首先计算每位注册话
者的αGMM模型,并计算模型间的α散度,然后以该散度设计聚类算法,对话者的αGMM模型进行聚类,得到各个类别的聚类中
心模型用于训练 SVM,进而得到最终识别结果。仿真实验结果表明,该算法相比于传统 GMM和 SVM具有更高的识别性能和良好
的鲁棒性。
关键词说话人确认αGMM K均值聚类支持向量机
中图分类号 TP391 文献标识码 A
DOI:.1000
ANOVELαGMM CLUSTERINGAPPLIEDINSPEAKERVERIFICATION
LiHengjie XingYujuan
(SchoolofElectronicsandInformationEngineering,GansuLianheUniversity,Lanzhou730000,Gansu,China)
Abstract AnovelspeakerverificationmethodbasedonαGMMclusteringandSVMisproposedinthispaperinordertoimprovetherec
’sαputedfirst,andtheαdivergencebetween
,speaker’sαGMMisclusteredusingtheclusteringalgorithmdesignedwiththisαdivergence.
Finally,
approachhashigherrecognitionperformanceandbetterrobustnessthanthetraditionalGaussianmixedmodel(GMM)andSVM.
Keywords Speakerverification αGMM Kmeansclustering Supportvectormachine(SVM)
0 引言 1 说话人αGMM
说话人确认是根据说话人的语音个性特征证明说话人所声传统 GMM模型利用若干个高斯概率密度函数的加权和来
称的身份的过程[1],它是说话人识别领域的一个重要的分支。近似地描述说话人特征矢量在概率空间的分布。对于一个 D
支持向量机 SVM以其出色的分类性能在说话人确认领域获得维的输入特征向量 X,M个成员高