基于 Fisher 判别字典学习的说话人识别

BeardRen

摘 要：稀疏表示已成功应用于说话人识别领域。在稀疏表示中，构造好的字典起着重要的作用。该文将 Fisher
/ \$ n# F: C: b. f/ I# \0 s6 s2 U准则的结构化字典学习方法引入说话人识别系统。在判别字典的学习过程中，每一个字典对应一个类标签，因此同
类别训练样本的重构误差较小。同时，保证训练样本的稀疏编码系数类内误差最小，类间误差最大。在 NIST SRE
2003 数据库上，实验结果表明该算法得到的等错误率是 7.62%，基于余弦距离打分的 i-vector 的等错误率是 6.7%。
当两个系统融合后，得到的等错误率是 5.07%。
关键词：说话人识别；字典学习；稀疏表示；Fisher 判别
. ?6 ?5 j1 a) [1 `1 G1 引言
5 G1 v5 v, H1 `6 I说话人识别是语音识别领域的一个重要组成部
分，其目的是从说话人的语音中提取出说话人的个
0 r2 O3 L( m- i' }3 n性特征，对说话人进行辨别的过程。该技术广泛应
! W( G# m0 H' E+ X  E! X' P用于司法取证、声控门锁、银行、电子商务和国防
等领域。
在过去的几年里，稀疏信号表示已广泛应用于
5 W; j, Z, b$ X/ j" u6 z9 X数字信号处理领域[1 5]，例如：压缩感知和图像恢
复。近年来，人们发现基于分类的稀疏表示的实验
7 F8 I- v/ C" D2 }. B4 _) h( {4 \结果比较好，因此被广泛使用。稀疏编码是通过构
  U2 p/ D9 ^9 Y# Q0 a建过完备字典[6]对任意一个信号进行最紧凑的线性
表示。构建稀疏编码字典的方法有两种，分别是标


0 m* I- y. |4 i) d" P
附件下载：

游客，如果您要查看本帖隐藏内容请回复

7 F. t' a0 r" h! ^+ q9 U

crime

很感谢，我找论文呢