i-vector空间下intersession的.PDF

i-vector空间下intersession的 补偿及打分方法综述 王 军 2013 年11月03 日 提 纲 •说话人确认系统框架 •i-vector空间下intersession的补偿及打分方法 •ALIZE3.0测试实验 •参考文献 一、说话人确认系统框架 • 说话人确认[S. Furui, 1981; D. A. Reynolds, 2003;] ：确定一段说话人的语句是 否与所声明的参考说话人相符 ，接收或是拒绝。 特征提取 前 端 UBM训练 用户注册 模式匹配 分数归一 判决 图1 说话人确认系统框架 • i-vector [N. Dehak, 2011] 利用因子分析定义了低维度的total variability空间 ，在此空间中 utterance表示成一个低维度向量 ，信道补偿就可以在低维度空间进 行。 M=m+Tw session variability用仅包含session信息的vectors的方差矩阵建模。 依赖于session的vector可以通过对一个给定说话人的i-vector ，减 去此人所有sessions的vector的均值得到。 这种思想与数值分析领域紧密联系在一起。 二、ivector空间下主流的intersession补偿及打分方法 WCCN Cosine distance scoring LDA Mahalanobis NAP feature Metric scoring i-vector EFR sphNorm PLDA/ PLDA scoring??? 2-Cov 图2 i-vector下主流intersession补偿及打分方法 • • • • • • • 三、ALIZE3.0的测试实验[A. Larcher, 2013]  实验采用ALIZE 3.0开源的说话人识别的工具包。[A. Larcher, 2013]  实验数据如下表。测试为NIST SRE06 core test。 Switchboard NIST2004 NIST2005 UBM - x x T - x x WCCN - x x LDA - x x 表一本实验训练UBM, T, WCCN,LDA 的数据库 13  实验配置：  50维度MFCC特征 （19