文献类型：期刊文章

作　　者：李燕萍[1] 唐振民[1] 钱博[1] 张燕[1]

机构地区：[1]南京理工大学模式识别与智能系统实验室,南京210094

出　　处：《系统仿真学报》

年　　份：2009

卷　　号：21

期　　号：2

起止页码：409-412

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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,具有维数低,运算速度快,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

分 类 号：TN912.34]