基于Mahalanobis距离的说话人识别模型研究

摘要

在传统的i-vector模型中,余弦相似度分类器由于其计算简单和良好的性能被广泛应用.本文根据距离度量学习思想,提出一种新的基于Mahalanobis距离的说话人识别模型.新模型是在i-vector的基础上构建的,语音的i-vector提取出来后,经过白化变换,根据基于信息几何的度量学习算法构造的距离度量矩阵,计算i-vector之间的Mahalanobis距离作为相似度评分依据.实验在NIST2008电话语音库上进行,结果表明基于Mahalanobis距离的识别模型在性能上优于传统的基于余弦相似度的识别模型.