2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

对文本无关的说话人验证中模型距离归一化问题的研究

董远 陆亮 赵贤宇 赵建

董远, 陆亮, 赵贤宇, 赵建. 对文本无关的说话人验证中模型距离归一化问题的研究. 自动化学报, 2009, 35(5): 556-560. doi: 10.3724/SP.J.1004.2009.00556
引用本文: 董远, 陆亮, 赵贤宇, 赵建. 对文本无关的说话人验证中模型距离归一化问题的研究. 自动化学报, 2009, 35(5): 556-560. doi: 10.3724/SP.J.1004.2009.00556
DONG Yuan, LU Liang, ZHAO Xian-Yu, ZHAO Jian. Studies on Model Distance Normalization Approach in Text-independent Speaker Verification. ACTA AUTOMATICA SINICA, 2009, 35(5): 556-560. doi: 10.3724/SP.J.1004.2009.00556
Citation: DONG Yuan, LU Liang, ZHAO Xian-Yu, ZHAO Jian. Studies on Model Distance Normalization Approach in Text-independent Speaker Verification. ACTA AUTOMATICA SINICA, 2009, 35(5): 556-560. doi: 10.3724/SP.J.1004.2009.00556

对文本无关的说话人验证中模型距离归一化问题的研究

doi: 10.3724/SP.J.1004.2009.00556
详细信息
    通讯作者:

    董远

Studies on Model Distance Normalization Approach in Text-independent Speaker Verification

More Information
    Corresponding author: DONG Yuan
  • 摘要: 在自动说话人验证中, 模型距离归一化是非常有用的得分归一化技术之一. 相比于其他的主流得分归一化技术, 模型距离归一化的主要优点在于它不需要额外的语音数据和说话人集合. 但是, 它也仍然有自身的缺点. 比如, 在传统的模型距离归一化中, 模型之间的KL距离用Monte-Carlo方法求得, 而此方法的时间复杂度很高. 本文从一个新的角度探讨了模型距离归一化的原理, 并且提出了简化的模型距离归一化方法, 即使用KL距离的上限来衡量两个说话人模型的距离. 在2006年的NIST说话人评测数据集上, 本文提出的简化的模型距离归一化方法取得了与传统方式相近的结果, 而时间复杂度却大大降低了.
  • 加载中
计量
  • 文章访问数:  2032
  • HTML全文浏览量:  54
  • PDF下载量:  971
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-03-24
  • 修回日期:  2008-10-12
  • 刊出日期:  2009-05-20

目录

    /

    返回文章
    返回