基于 Fisher 判别字典学习的说话人识别

BeardRen

摘 要：稀疏表示已成功应用于说话人识别领域。在稀疏表示中，构造好的字典起着重要的作用。该文将 Fisher
准则的结构化字典学习方法引入说话人识别系统。在判别字典的学习过程中，每一个字典对应一个类标签，因此同
类别训练样本的重构误差较小。同时，保证训练样本的稀疏编码系数类内误差最小，类间误差最大。在 NIST SRE
2003 数据库上，实验结果表明该算法得到的等错误率是 7.62%，基于余弦距离打分的 i-vector 的等错误率是 6.7%。
当两个系统融合后，得到的等错误率是 5.07%。
$ t  `8 L4 n) I5 `3 ~$ N2 ^关键词：说话人识别；字典学习；稀疏表示；Fisher 判别
8 `; X( `% v, ?% \, ~1 引言
说话人识别是语音识别领域的一个重要组成部
+ f" T) d- `& o分，其目的是从说话人的语音中提取出说话人的个
1 ^- e( g' {  R4 N5 X  A性特征，对说话人进行辨别的过程。该技术广泛应
用于司法取证、声控门锁、银行、电子商务和国防
等领域。
在过去的几年里，稀疏信号表示已广泛应用于
数字信号处理领域[1 5]，例如：压缩感知和图像恢
2 d/ h, K) I/ i& Z% S" z复。近年来，人们发现基于分类的稀疏表示的实验
结果比较好，因此被广泛使用。稀疏编码是通过构
. \7 G6 w. K  u2 _建过完备字典[6]对任意一个信号进行最紧凑的线性
* h$ B3 q. I+ ~! ~6 d' F2 f* _表示。构建稀疏编码字典的方法有两种，分别是标

4 L- C% K2 ]. u; S7 c+ Z
/ d: v% L0 M" J7 r/ s2 Y9 \+ b
附件下载：

游客，如果您要查看本帖隐藏内容请回复

* c* C( ~) l% F6 ^# C2 q6 |
* ^3 w5 W' t- `

crime

很感谢，我找论文呢