短语音条件下说话人辨识的补偿研究

摘  要: 针对短语音说话人辨识因语料不充分导致的识别率下降的问题，提出了样本域、特征域及模型域的补偿措施：添加高信噪比的噪声语音样本以扩充语音样本的数目，采用组合特征代替单一特征以最大限度的利用采集的语音样本，采用对多分类SVM模型进行排序输出以最大限度的包含候选话者，采用混合模型代替单一模型以弥补因语料缺乏造成的模型描述上的不足。在TIMIT数据库上随机选择130个说话人进行了短语音说话人辨识实验，实验结果表明，与传统的方法相比，在不显著影响语音信号处理实时性的前提下，该方法取得了10.77%的识别率的提升。

关键词: 说话人辨识；短语音；噪声添加；特征组合；维数约简；融合模型