一种基于自适应并行模型组合的鲁棒语音身份识别方法

摘要

本发明公开了一种基于自适应并行模型组合的鲁棒语音身份识别方法，主要解决噪声环境下由于真实测试环境与训练环境之间的差异而导致的说话人身份识别性能急剧下降的问题，该方法通过从实际测试环境的语音中估计噪声信息，并将该信息通过相应变换后对纯净训练GMM模型参数进行补偿，使调整后的GMM参数能够尽量匹配当前测试环境，进而提高整个语音说话人身份识别的鲁棒性。本发明方法能够提高噪声环境下语音身份识别系统的识别率，提高系统的鲁棒性和自适应的能力，满足日常生活中如智能家居、车载系统和各种需要进行身份安全认证的安全领域。