李轶杰
- 作品数：6 被引量：26H指数：3
- 供职机构：中国科学技术大学信息科学技术学院电子工程与信息科学系更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于本征音因子分析的短时说话人识别被引量：4
- 2009年
- 提出了一种基于本征音因子分析的文本无关的说话人识别方法。它解决了训练语音与测试语音均很短的情况下,传统的基于最大后验概率准则的混合高斯模型无法建立稳定的说话人模型问题。首先利用期望最大化算法在开发集上训练出说话人的本征音载荷矩阵,在说话人模型建模时通过将短时语音数据向本征音空间的降维映射来得到模型参数。实验结果表明,在NIST SRE 2006数据库中的10 s训练语音-10 s测试语音任务中,在传统的混合高斯模型的基线系统上,通过采用本征音因子分析的方法可以使系统等错误率降低18%。
- 潘镭郭武李轶杰戴礼荣
- 关键词：说话人确认
- 说话人识别中的因子分析以及空间拼接被引量：14
- 2009年
- 联合因子分析可以有效拟合混合高斯模型中的说话人和信道差异,在说话人识别中得到广泛应用.一般情况下,该算法在对说话人和信道两个载荷矩阵进行联合估计时,说话人残差矩阵无法发挥作用,信道载荷矩阵的因子数不能提高.本文提出说话人载荷矩阵、说话人残差载荷矩阵采用串行的训练模式,在信道载荷矩阵训练中采用矩阵拼接的方法,能够有效提高识别率;在NIST SRE 2008年核心测试数据库的五个部分分别达到等错误率3.3%,5.1%,5.0%,5.3%和5.0%.
- 郭武李轶杰戴礼荣王仁华
- 关键词：说话人识别说话人确认期望最大化
- 话者识别的信道补偿被引量：7
- 2008年
- 在文本无关的说话人识别中,训练与测试语音中信道环境的差异是影响其性能最重要的因素.近年来,利用因子分析对信道建模成为说话人识别领域的重要方法,大大降低了说话人确认的错误率,但运算复杂度限制了实时的应用.本文介绍了一种简化的因子分析方法:首先在混合高斯模型的模型域训练信道空间,然后在特征域进行信道补偿,得到的新特征可用于各种系统.在NIST2006的数据库上,利用本文的方法相对基线系统在等错误率上有31%的降低.
- 李轶杰郭武戴礼荣
- 关键词：说话人识别信道补偿
- 采用模型和得分非监督自适应的说话人识别被引量：3
- 2009年
- 在说话人识别的研究中,使用以前的测试语句信息对模型参数或者测试得分进行动态更新,使模型可以更精确地反映测试语句和说话人模型之间的关系,这种更新策略称为非监督模式,这方面的研究对实际的说话人识别系统具有非常重要的意义.本文除了采用非监督的说话人模型自适应更新方法之外,还提出了非监督的得分域自适应算法:首先采用双高斯函数对得分建立一个先验的得分模型,利用最大后验概率准则对得分规整的模型进行调整.在测试过程中,采用得分域和模型域的非监督算法可以互相补充,提高识别率,在NISTSRE2006年1训练语段-1测试语段数据库上,使用模型域和得分域非监督自适应的系统能够取得等错误率4.3%和检测代价函数0.021的结果.
- 王尔玉郭武李轶杰戴礼荣王仁华
- 关键词：说话人确认混合高斯模型
- 采用非监督得分规整和因子分析的说话人确认被引量：1
- 2009年
- 在文本无关的说话人确认中,规整算法能够有效地调整测试得分的分布.另外,利用前面已经得到的测试语句的得分来调整规整的参数可以取得更好的效果,这种规整叫做非监督得分规整.在本文中,借用开发集得分来建立说话人和冒认者得分的两个先验高斯分布函数,在实际的测试中,利用最大后验概率准则来对规整的模型参数进行调整.在采用因子分析的情况下,在NIST2006说话人识别测试1conv4w-1conv4w数据库上,能够取得等错误率5.26%.
- 郭武李轶杰戴礼荣王仁华
- 关键词：说话人确认
- 说话人识别中的信道补偿
- 自动说话人识别属于多维模式识别和智能计算机接口的范畴，其研究的根本目的是使机器能够自动辨认出说话人。当前在实验室环境下说话人识别系统取得了长足的进步，有着很好的性能。但是在实际环境中，由于存在复杂多变的噪声和信道干扰，系...
- 李轶杰
- 关键词：说话人识别系统信道补偿
- 文献传递
