69、加密语音流中的说话人识别与对抗分区评估

加密语音流中的说话人识别与对抗分区评估

1. 距离度量方法

在说话人识别中，距离度量是比较不同说话人模型的重要工具。这里介绍了几种常见的距离度量方法。
- χ² - 距离 ：这是一种基于χ²检验的更复杂的距离度量。对于具有支持集T的两个概率分布P和Q，χ² - 距离dχ²(P, Q)定义为P和Q值之间平方和归一化绝对差的总和，公式如下：
[d_{\chi^2}(P, Q) = \sum_{x\in T} \frac{(P[x] - Q[x])^2}{Q[x]}]
需要注意的是，dχ²在数学意义上不是一个度量，因为它缺乏对称性。与dL1度量相比，它有两个主要区别：一是分子平方会更重视给定数据包大小相对频率的较大差异；二是除以训练概率Q[x]会在Q[x]较小时放大差异，实际上给出的是相对差异而非绝对差异。在实验中，χ² - 距离在三种分类器中表现最为稳健。
- K - S - 距离 ：基于Kolmogorov - Smirnov检验得出的距离度量。对于具有支持集T = {t1, …, tn}且ti ≤ tj（i < j）的两个概率分布P和Q，K - S - 距离dK - S(P, Q)定义为：
[d_{K - S}(P, Q) = \max_{l\leq n} \left|\sum_{i = 1}^{l} (P(t_i) - Q(t_i))\right|]
K - S检验用于寻找两个分布累积之间的最大差异。在实验中，K - S距离表现良好，但略逊于χ² - 距离。

2. 分类器评估指标

使用上述分类器将未知说话人的模型与N个训练模型进行比较