加权成对约束度量学习算法在说话人识别中的应用

《加权成对约束度量学习算法在说话人识别中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇—■－一－￣二一．—－．请．—－．一＾－，．－＿＾＿一—．．：．－■■——二，、，产Ｉ—？＂＇ｔ，／，护Ｊ＇＇．ｒ＾忌＇默舉ｒ．．無＇＂■：分类号３９Ｉ■：ＴＰ１密级：心瑪Ｌ＿Ｖ譜％．ｒ’．：…．如：０４１４学号心学巧巧砲１：２０巧０１腑１２：的Ｖ，＇■：心■■■费转：＂．－’、巧－＇．＇＇‘：Ｉ＇Ｉ可．－．Ｖ巧巧巧忽乂ｔ考菊醜賢戀托萬碰茂硕±研究生学位论文八：．，，。加

2、权成对约束度量学＾算法在说话人卖祭舅＇．．＇Ｖ、、＂．；：＞识别中的度巧．．知诗拳古忠＾八Ｍ．．．＊？．片．：Ｖ若，＇＊、．＊之，咬Ｖ＊’＇＇＇，沪，．气皆令ｉ，一Ｖ请．替長稼’‘叫Ｉ’巧－〇，，電举身苗．磯Ｉ＂？－ＶＷｅｉｈｔｅｄｐａｉｒｗｉｓｅｃｏｎｓｔｒａｉｎｔｓｍｅｔｒｉｃｌｅａｒｎｉ打參；、ｇｇ护、ａｌｇｏｒｉｔｈｍｉｎｓｐｅａｋｅｒｒｅｃｏｇｎｉｔｉｏｎ去藥式Ｉ罗剑親／槪＇．喊扔Ｙ批一‘‘＇＇如＊＇：：－：＇哨＇１。：：．．

3、拉Ａｖ；护：．９；軒一＾；．；．尽載Ｖ部＇．－＇巧：．１公Ｖ、院姓＾：院違：计机信息工程印根所算学导师杨扭療皆載：业，：人识专机与技向：说话学科计其科学术研究方别古二—六六〇月年臺‘Ｖ聲、．％％么．＇．一．Ｖ戶—’，独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究

4、所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解江西师范大学研究生院有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权江西师范大学研究生院可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日中文摘要说话人识别技术是一种通过对目标说话

5、人的语音进行处理与分析，从而判断出该说话人身份的技术。目前，说话人识别作为人与计算机进行交互的一种智能接口有着非常广泛的用途，它具有方便快捷、经济可靠和扩展性好等许多优点，已经被广泛用于远程身份验证，同时在军事和医学领域，尤其是基于电信网络的身份识别应用，说话人识别技术的前景同样非常广阔。如何有效地对说话人语音进行相似度判别，是目前说话人识别研究领域非常重要的关键问题之一。模式识别领域中，样本间相似度的衡量方法有很多，其中常用的方法有距离打分法，如余弦距离打分(cosinedistancescoring)和马氏距离打分(Mah

6、alanobisdistancescoring)等。目前最流行的基于i-vector模型的说话人识别系统常用余弦距离来衡量说话人语音间的相似度，余弦距离打分法根据样本向量间的夹角来判断样本间的相似度，难以衡量样本在量上的区别。马氏距离打分法根据投影在能真实反映样本相似性的样本空间中的新样本向量间的欧氏距离，来衡量样本间的相似度。用于投影到样本空间的映射矩阵称为度量矩阵，它可用于描述样本空间的相似性。不同的度量矩阵描述的样本空间也不同，只有得到正确的度量矩阵，通过其计算出来的马氏距离才能真实的反映样本间的相似性。度量学习根据训练

7、样本含有的信息，通过自动学习得到一个距离度量矩阵，常用于计算目标样本间的马氏距离，从而对未知数据的相似度进行预测。本文主要工作和创新如下：（1）本文对Cao等提出的子空间相似性度量学习(SubspaceSimilarityMetricLearning，SUB-SML)算法中的子算法(SubspaceMetricLearning，SUB-ML)进行改进，根据相似训练样本对与非相似训练样本对在度量学习训练过程的影响程度进行加权约束，提出加权成对约束度量学习(WeightedPairwiseconstraintMetricLearn

8、ing,WPCML)算法。该算法利用成对训练样本的约束信息训练一个用于描述样本空间相似度的度量矩阵，用来计算i-vector语音样本间的马氏距离。该算法的原理非常直观，而且简单有效，目标函数的最优化求解能得到全局最优解，并能迅速求得满足设定条件的度量矩阵，而用于训练的样本对只