说话人识别中的背景模型与得分问题研究

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 说话人识别任务介绍

1．2．1 说话人识别的发展历程

1．2．2 说话人识别任务分类

1．3 说话人识别中背景模型和得分问题

1．4 本文章节安排

第2章 基于GMM-UBM的说话人识别方法

2．1 概述

2．2 基于GMM-UBM的说话人识别系统框架

2．3 前端处理

2．3．1 预处理

2．3．2 特征提取

2．4 GMM模型介绍

2．4．1 GMM模型定义

2．4．2 GMM模型的参数估计

2．4．3 MAP自适应算法得到目标模型

2．4．4 GMM-UBM模型似然得分计算

2．5 系统性能评价

2．6 本章小结

第3章 UBM支撑说话人集合

3．1 引言

3．2 UBM数据选择方法

3．3 自包容的uBM

3．4 UBM支撑说话人集合

3．4．1 UBM三元组

3．4．2 UBM空间三角形

3．5 结果验证及分析

3．6 本章小结

第4章 基于OLSM的样本复制语音入侵检测方法

4．1 引言

4．2 说话人识别攻击防御技术研究现状

4．3 基于OLSM的样本复制语音攻击检测方法

4．3．1 机器学习中的过拟合现象

4．3．2 模型阶数相关的似然得分单调性

4．3．3 基于OLSM的样本复制语音检测模型

4．4 基于OLSM现象样本复制语音检测方法的应用

4．4．1 系统流程

4．4．2 对样本复制语音回放攻击的检测

4．4．3 对样本复制语音直接攻击的检测

4．5 实验及分析

4．6 本章小结

第5章 N-Best token与GMMt tokenizer在说话人识别中的应用

5．1 GMM token在语音领域的应用

5．2 基于GMM token配比向量得分校正的说话人识别系统

5．3 N-Best token在说话人识别中的应用

5．3．1 N-Best token的定义

5．3．2 N-Best token对系统性能的影响

5．4 GMMt tokenizer在说话人识别中的应用

5．5 本章小结

第6章 总结与展望

6．1 工作总结

6．2 工作展望

参考文献

附录

攻读硕士学位期间主要的研究成果

致谢