基于CNN的连续语音说话人识别研究

简介：
本研究探讨了利用卷积神经网络（CNN）进行连续语音说话人识别的有效性，通过分析不同架构对性能的影响，提出了一种优化模型以提高识别准确率。 近年来，随着社会生活水平的提高，人们对机器智能人声识别的要求也越来越高。在说话人识别研究领域中，高斯混合—隐马尔可夫模型（GMM-HMM）是最为重要的模型之一。然而由于该模型对大量语音数据建模的能力较差，并且对于噪声环境下的适应性不强，其发展遇到了瓶颈。 为了克服这些问题，研究人员开始转向深度学习技术的研究应用。他们引入了卷积神经网络（CNN）来解决连续语音说话人识别的问题，并提出了CSR-CNN算法。这种算法通过提取固定长度、符合语序的语音片段，在时间线上形成有序的语谱图；然后利用CNN模型从这些数据中抽取特征序列，再经过奖惩函数对所得到的不同组合进行评估和优化。 实验结果显示，相较于传统的GMM-HMM方法，CSR-CNN在连续—片段说话人识别任务上取得了更佳的效果。