双麦克风语音增强和杂混模型训练相结合的顽健说话人确认

摘要

本文研究了复杂背景噪音环境下的说话人确认问题。门禁系统、自助通关等实际应用中，由于很难对交谈声或音乐这类干扰源进行预估，因此无法进行杂混训练 (mixed-condition training, MT)，必须先对目标语音进行有效分离才能可能进行有效识别。本文的工作是：采用了基于半盲DUET的双麦克风语音增强技术抑制干扰信号，并结合MT训练方式弥补增强过程中不可避免的失真问题。对各种复杂噪声下的实测实验表明，本文方法能够较好的改善文本相关说话人确认系统的性能，尤其是信噪比为0dB时，EER降低21.77%。