基于差分进化优化的高斯混合模型在说话人识别中的应用
作为一种牛物识别技术,说话人识别能够根据测试语音来辨别说话人的身份。高斯混合模型(Gaussian Mixture Models,GMM)主要用于为特征向量提供概率密度模型。说话人模型辨识是说话人识别的前提。本文使用赤池信息准则(AkaikesInformation Criterion,AIC)确定每个说话人GMM中高斯分量个数,再通过差分进化算法(Differential Evolution,DE)优化GMM的参数。在进化优化过程中,应用一种针对任意协方差矩阵的新参数化方法,保证协方差矩阵在进化过程中始终保持正定对称性。分别使用期望最大化(Expectation-Maximization,EM)算法和DE算法首先对仿真数据集建立其最优GMM,说明了基于DE算法的GMM的有效性；在此基础上,将DE算法和EM算法分别用于由日本北海道大学信息处理实验室采集的Speaker数据集模式识别,通过对识别效果的比较说明了基于DE算法的GMM的优越性。
说话人识别 高斯混合模型 AIC准则 差分进化算法 协方差矩阵参数化
周红 张建华
华东理工大学信息科学与工程学院 上海200237
国际会议
长沙
中文
4297-4302
2014-05-31（万方平台首次上网日期，不代表论文的发表时间）