基于深度神经网络的说话人识别模型研究

摘要

在传统的说话人识别中,普遍采用的是高斯混合模型(GMM)及GMM-UBM模型.然而GMM及GMM-UBM模型由于对噪声非常敏感及对语音的长度有一定的要求,所以对说话人数据库质量要求很高.并且传统的机器学习算法(GMM,GMM-UBM)属于浅层以及不完全的学习,识别率随着识别人数的增加下降的剧烈,模型的鲁棒性相对较差.并且存在训练时间长,收敛困难的缺点,从而限制了说话人识别在实际中的应用.深度神经网络(DNN)具有强大的非线性特性以及对数据具有良好的模式分类能力,对语音信号的质量及长度要求不高,并且对噪声的容忍度较高,所以论文把深度神经网络引入到了说话人识别中.