典型文献
噪声自适应拟合补偿的鲁棒性声纹识别算法
文献摘要：
目前的声纹识别系统在安静环境下性能已经很高,但处在复杂噪声背景时,由于训练和应用环境的不同会导致系统性能急剧下降.为解决这一问题,从i-vector空间降噪思想出发,通过偏最小二乘算法直接推导含噪i-vector与纯净i-vector之间的关系,并采用自编码器衡量未知噪声类型的含噪i-vector与已知噪声类型的含噪i-vector之间的相似性,提出一种i-vector空间噪声自适应的鲁棒性声纹识别算法(IPLS-AE).实验结果显示,相对典型的最大后验概率估计算法(IMAP),提出的IPLS-AE算法对各信噪比与各类型的噪声都有较好的补偿性能,等错误率和最小检测代价函数对已知噪声最高有31.3％和26.8％的相对改善,对未知噪声最高有28.3％和25.2％的相对改善.结果说明,IPLS-AE算法能可靠地识别并补偿噪声,提升系统的鲁棒性.
文献关键词：
中图分类号：
作者姓名：
陈壮;俞一彪
作者机构：
苏州大学电子信息学院 苏州 215006
文献出处：
引用格式：
[1]陈壮;俞一彪-.噪声自适应拟合补偿的鲁棒性声纹识别算法)[J].声学学报,2022(01):151-160
A类：
IPLS
B类：
噪声自适应,合补,声纹识别,识别算法,识别系统,安静,静环,复杂噪声,应用环境,导致系统,系统性能,急剧下降,vector,降噪,想出,偏最小二乘,最小二乘算法,纯净,自编码器,AE,最大后验概率,概率估计,估计算法,IMAP,补偿性,等错误率,代价函数,提升系统
AB值：
0.380135
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
