一种基于高斯混合模型的说话人识别的有效评分算法.doc

一基于高斯混合模型的说话人识别有效评分算法 这提出了新降低的计算复杂度应用于整个观察序列是已知的，我们说明了的说话人模型快速测向量时间序列累积概率整体的方法集成到一个光束的有哪些信誉好的足球投注网站策略当从138人的YOHO语料库在标准的全有哪些信誉好的足球投注网站方法140的一个因素标准的束有哪些信誉好的足球投注网站方法的六倍 一、介绍 通过语音识别说话人的能力在最近文献中备受关注银行电话，计算机安全，以及获得对的安全文件被证明与现有的技术相比提供优越的性能低至0.7%的错误率YOHO语料库采样8千赫试验材料的数量和长度的增加，进行识别的计算成本大幅增加这降低说话人识别的计算复杂的问题束有哪些信誉好的足球投注网站修剪一新的观测序列重排。 在高斯混合模型的说话人识别中，语音用特征化的帧同步观测向量。典型的帧速率是以10毫秒三维特征每个帧瞬间重叠分析窗口发现在后验概率最大化 (1) 利用Bayes规则，（1）可以表示为 (2) (3) 其中被假定为模拟多变量高斯分布的混合物， ,其中和分别代表混合物质量，均值向量和协方差矩阵第个分布。在式（3）中，观测值被认为是统计独立的，因此时间信息不进行编码的模式。此外，为了避免数值稳定性问题，式（3）使用对数似然计，在一般情况下，使用对角线协方差矩阵产生模拟观测 (4) 完整的评价（4）要求显著的计算资源，如果说话人模型的数目或者持续时间的实验材料大，那么会比较准确。 为减少计算开销的一种常见方法涉及到使用最近邻的一个近似的可能性，则式（4）变换为 (5) 其中 (6) 请注意，在混合物相关的常数是完全已知的现有算法运行时，可以预先计算。其他研究也考虑在可能性计算过程中应用波束有哪些信誉好的足球投注网站。在这里，部分和的（5）式在时间中可以用来更新修剪阈值。 (7) 其中是一组当前的状态（即未修建时）模型，在时间和是用于定义用户控制的波束宽度的常量时。在处理过程中，对数得分低于的说话人模型将被从有哪些信誉好的足球投注网站中消除。 三、算法配方 典型的语音处理系统通过校准计算来自重叠窗口部分的数据（20至30ms的顺序）来分析言论，在这期间声道特性被假定固定。帧重叠的过程导致表现出高度相关性的相邻观测结果。在说话人识别的情况下，相邻观测值之间的相关性违反原有的统计独立性假设，并且会导致光束有哪些信誉好的足球投注网站结果效率的下降。这是由于数量有限是信息是从观测向量相比所得，因为它们在说话人声学空间中有相似的位置。因此在加工过程中，许多观测前必须检查不可能说话模型，并将其修剪掉。 事实上，我们可能会考虑使用可变帧频来处理这个问题（例如，采样语音观测值往往是在快速光谱变化期间，而很少在缓慢变化光谱期间），我们指出这种做法将会丢失掉在整体决定中有用的数据。同样，我们也考虑的方法是选择的观测值是基于频谱距离准则的（例如，当抽样光谱最后的观测值和当前的观测值之间的距离超过一定的阈值时，我们可以使用）。在此，节省的速度可能会超过频谱距离计算的成本。此外，就像在可变帧速率处理策略的情况下一样可能会丢失信息。 这篇文章提出的新方法提供了一个廉价的计算方法，来提高从每个观测值中获得的信息。为了实现这一目标，我们假定整个观测序列是已知，并且考虑重新排列观测的时间序列。正是出于这样的事实，参数序列的顺序不影响式（5）中给出的最终决定，重排序列是基于最大化用于更新式（5）中的连续观测值之间是时间间隔。这里提出的观测重排有两个优点：第一，由于观测序列是重新排序的，在可变帧速率处理情况下不会丢失数据；第二，几乎没有计算开销被要求在已提出的标准下重排观测序列。人们能够想到的最大时间间隔是采样来自不同因素的观测值，它们能够被用来快速采样测试条件下的声学空间。该算法描述如下： 第一步：初始化。可以形成一个子集，该子集包含一个选自均匀跨载体间隔向量集的向量。 第二步：更新可能性得分中所有未修剪的说话人模型。在更新过程中，假设一个如式（7）中所述的阈值，以消除在说话人模型中低于该阈值的模型。 第三步：更新整个观测集。 第四步：形成一个由先前元素中找到的最接近中点的采样值构成的子集，比如说：如果两个元素同属于一个集合，那么将其中间元素放入新定义的集合。一次增加变量 第五步：重复2-4的步骤，直到一个说话人模型仍未被修剪或者所有的观测向量已经被检查完，从中挑取最有可能的说话人。 为了清楚起见，观测矢量重新排序过程的图形说明如图1所示，初步统一采样帧数和总的观察计数()。在这里， 是观测向量，首先被用于更新每个说话人模型的对数概率。接下来，剩余的说话人模型用于更新观测向量。最后，剩余模型均用于更新向量 图1 观察序列（A）是标准GMM模型的评分算法的一个例