自适应并行模型组合的鲁棒语音身份识别算法

来源：信号处理杂志 2018年第7期北京时间：

作者：李聪, 葛洪伟

摘要：由于环境噪声的影响，实际应用中说话人识别系统性能会出现急剧下降。提出了一种基于高斯混合模型-通用背景模型和自适应并行模型组合的鲁棒性语音身份识别方法。自适应并行模型组合是一种噪声鲁棒性的特征补偿算法，能够有效减少训练环境与测试环境之间的不匹配现象，从而提高系统识别准确率和抗噪性能。首先，算法从测试语音中估计出噪声特征，然后用一个单高斯模型对噪声特征进行拟合得到噪声均值和协方差。最后，根据得出的噪声均值和协方差，调整训练好的高斯混合模型均值向量和协方差矩阵，使其尽可能地匹配测试环境。实验结果表明，该方法可以准确地重构干净语音的高斯混合模型参数，并且能够显著提高说话人识别的准确率，特别是在低信噪比情况下。

关键词：说话人识别, 特征补偿, 并行模型组合, GMM-UBM, 噪声