| 基于PLAR特征补偿的鲁棒性说话人识别仿真研究 |
| |
| 引用本文： | 李燕萍,唐振民,钱博,张燕. 基于PLAR特征补偿的鲁棒性说话人识别仿真研究[J]. 系统仿真学报, 2009, 21(2) |
| |
| 作者姓名： | 李燕萍 唐振民 钱博 张燕 |
| |
| 作者单位： | 南京理工大学模式识别与智能系统实验室,南京,210094 |
| |
| 摘 要： | 针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.
|
| 关 键 词： | 说话人识别 感知线性预测 高斯混合模型 鲁棒性 |
Robust Speaker Recognition Based on PLAR Features Compensation Transformation and Its Simulation Study |
| |
| LI Yan-ping,TANG Zhen-min,QIAN Bo,ZHANG Yan. Robust Speaker Recognition Based on PLAR Features Compensation Transformation and Its Simulation Study[J]. Journal of System Simulation, 2009, 21(2) |
| |
| Authors: | LI Yan-ping TANG Zhen-min QIAN Bo ZHANG Yan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
