基于深度神经网络的说话人信道自适应方法

中文摘要: 针对说话人确认中的复杂信道环境干扰问题，提出一种基于深度神经网络的信道自适应方法。该方法首先在不同信道类型下训练得到音素信息相关的深度神经网络模型(deepneuralnetworks,DNNs)，将说话人语音的声学特征参数在这些DNNs上进行自适应，得到各信道类型下的深瓶颈特征(deepbottleneckfeature,DBF)。然后将这些参数进行拼接并通过PCA降维，最后采用目前最有效的基于身份认证矢量（identityvector，i-vector）的建模技术对降维后的DBF进行建模，得到目标说话人模型和测试语音段的i-vector矢量用于最终说话人确认打分判决。在NISTSRE2010核心评测数据库上的实验结果表明，利用提出的方法能有效消除信道干扰对说话人确认的影响，在很大程度上提升了基于i-vector的说话人确认基线系统的性能。
Abstract:Inordertohandlethechannelconditiondistortionsbetweentrainandtestspeechinspeakerverification,basedonthedeepneuralnetworks,achanneladaptationapproachwasproposed.First,severalphoneticdeepneuralnetworks(DNNs)weretrainedonthespeechdatasetswithdifferenttypesofchannelconditions.Theacousticfeaturesderivedfromspeakerutteranceswerethenadaptedtoobtaindeepbottleneckfeatures(DBFs)usingtheseDNNs.DBFswereconcatenatedandafeaturedimensionreductionwasperformedusingPCA.Finally,theseDBFsweremodeledbytheidentityvector(i-vector)modelingtechniquewhichisthemostpopularandefficientapproachforspeakerverification.Theachievedi-vectorsfortargetspeakerandtestutteranceswerethenusedtoachievethefinalverificationscores.ResultsontheNISTSRE2010coretestevaluationtaskdemonstratedthatcomparedtothei-vectorbaselinesystem,theproposedapproachiseffectivetoeliminatechanneldistortionsforspeakerverification,andachievessignificantperformanceimprovements.