论文研究基于i向量和PCA字典学习稀疏表示的说话人确认.pdf

稀疏表示以其出色的分类性能成为说话人确认研究的热点，其中过完备字典的构建是关键，直接影响其性能。为了提高说话人确认系统的鲁棒性，同时解决稀疏表示过完备字典中存在噪声及信道干扰信息的问题，提出一种基于i-向量的主成分稀疏表示字典学习算法。该算法在高斯通用背景模型的基础上提取说话人的i-向量，并使用类内协方差归一化技术对i-向量进行信道补偿；根据信道补偿后的说话人i-向量的均值向量估计其信道偏移空间，在该空间采用主成分分析方法提取低维信道偏移主分量，用于重新计算说话人i-向量，从而达到进一步抑制i-向量中信道干扰的目的；将新的i-向量作为字典原子构建高鲁棒性稀疏表示过完备字典。在测试阶段，测试语音的i-向量在该字典上寻找其稀疏表示系数向量，根据系数向量对测试i-向