基于MAP+CMLLR的说话人识别中发声力度问题

摘要 为了改善发声力度对说话人识别系统性能的影响，在训练语音存在少量耳语、高喊语音数据的前提下，提出了使用最大后验概率（MAP）和约束最大似然线性回归（CMLLR）相结合的方法来更新说话人模型、投影转换说话人特征。其中，MAP自适应方法用于对正常语音训练的说话人模型进行更新，而CMLLR特征空间投影方法则用来投影转换耳语、高喊测试语音的特征，从而改善训练语音与测试语音的失配问题。实验结果显示，采用MAP+CMLLR方法时，说话人识别系统等错误率（EER）明显降低，与基线系统、最大后验概率（MAP）自适应方法、最大似然线性回归（MLLR）模型投影方法和约束最大似然线性回归（CMLLR）特征空间投影方法相比，MAP+CMLLR方法的平均等错率分别降低了75.3%、3.5%、72%和70.9%。实验结果表明，所提出方法削弱了发声力度对说话人区分性的影响，使说话人识别系统对于发声力度变化更加鲁棒