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
5 Z4 Z0 m) {- i8 f" e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
# m# \# A" C5 e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
2 J( D9 \2 m# ?! U0 {9 S% C  ^! `8 g2003 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%。
" Z- G9 f; M0 |: C& }当两个系统融合后，得到的等错误率是 5.07%。
6 e- i0 D& e* N9 p/ G, }关键词：说话人识别；字典学习；稀疏表示；Fisher 判别
1 引言
8 c3 j5 {3 ?- t$ c. y- R8 u说话人识别是语音识别领域的一个重要组成部
分，其目的是从说话人的语音中提取出说话人的个
性特征，对说话人进行辨别的过程。该技术广泛应
+ b, p) C* r/ M& g2 ]1 Y" _# W用于司法取证、声控门锁、银行、电子商务和国防
! j) m4 T, o) [等领域。
' W% o1 f. A+ {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
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
# K( I" q6 }/ b+ D7 x6 q' ?建过完备字典[6]对任意一个信号进行最紧凑的线性
# |2 R( S) K( O1 L  h0 {7 x4 {表示。构建稀疏编码字典的方法有两种，分别是标
  g# A# U( m/ t8 A! o

% l( e! y+ a3 G$ n
! H. N+ l& s4 L2 P% k) S9 r附件下载：

游客，如果您要查看本帖隐藏内容请回复

: ]/ o$ \2 Q& j; B  {: {! ^4 u

crime

很感谢，我找论文呢