基于辨别性深度信念网络的说话人分割

• 作 者: 马勇 鲍长春 夏丙寅
• 机 构: 北京工业大学电子信息与控制工程学院,江苏师范大学物理与电子工程学院,
• 出 处: 清华大学学报(自然科学版)
• 发表日期: 2013年06期
• 关键词: 说话人 语音信号 码本 准则函数 Fisher准则 belief 网络参数 Bayesian 特征空间 音段

该文基于语音信号的超矢量特征空间,提出了一种基于Fisher准则的可辨别性深度信念网络(discriminativedeep belief network,DDBN)训练方法,得到了优于传统深度信念网络(deep belief network,DBN)的说话人码本矢量特征,并利用这些码本特征对多说话人的音段进行了聚类与分割。由TIMIT数据库生成的多说话人语音分割的实验结果表明,该基于Fisher准则函数的DDBN说话人分割算法的性能明显好于传统的Bayes信息判决(Bayesian informa-tion criterion,BIC)法和DBN法。

Based on the super vector feature space of speech signals, this paper proposes a DDBN training method based on Fisher criterion, which is better than the traditional deep belief network (DBN) Of the speaker codebook vector features, and the use of these codebook features on the speaker’s multi-segment clustering and segmentation. Experimental results of speech speaker multi-speaker generated by TIMIT database show that the performance of DDBN speaker segmentation algorithm based on Fisher criterion function is significantly better than that of Bayesian informa- tion criterion (BIC) and DBN.