14、说话人识别与感知器类验证技术解析

说话人识别与感知器类验证技术解析

1. 说话人识别系统组合分析

在说话人识别领域，不同系统的组合表现各异。当将Speaker - SVM系统与Basic - GMM组合时，能获得一定的性能提升，但Speaker - SVM和SRI - GMM系统的组合却没有显著的改进。

在训练和测试数据的匹配与不匹配条件方面，对于Tandem/HATS - GMM和Speaker - SVM系统，以及它们与Basic - GMM和SRI - GMM的分数级组合，有如下表现：
| 组合情况 | 匹配条件 | 不匹配条件 |
| — | — | — |
| Tandem/HATS - GMM与Basic - GMM组合 | 有提升 | 提升更明显 |
| Speaker - SVM与Basic - GMM组合 | 有提升 | 提升更明显 |
| Tandem/HATS - GMM与SRI - GMM组合 | 影响较小 | 影响较小 |
| Speaker - SVM与SRI - GMM组合 | 影响较小 | 影响较小 |

从上述表格可以看出，在与Basic - GMM进行分数级融合时，Tandem/HATS - GMM和Speaker - SVM在匹配和不匹配条件下都有增益，尤其是不匹配条件下。而对于SRI - GMM基线，与Tandem/HATS - GMM和Speaker - SVM系统的组合在匹配或不匹配情况下影响都不大。

2. 语音特征在说话人识别中的应用

首次将语音Tandem/HATS - MLP特征应用于说话人识别任务。尽管该特征最初是为自动语音识别（ASR）开发的，但在高斯混合模型