摘要：传统说话人识别框架大多建立在高斯混合模型(GMM)上的,然而这种浅层学习模型不能有效地表征数据特征之间的高阶相关性,识别效果较差。本文提出一种基于深度神经网络(Deep Neural Network,DNN)与基音周期(Pitch Period,PP)相结合的说话人识别方法,模型主线识别以对数梅尔滤波器组特征参数作为DNN的输入,通过训练DNN模型提取说话人的声纹特征;针对DNN模型阈值设定人的主观性影响,利用动态时间规整技术匹配说话人基音周期进行辅助识别。实验结果表明,这种双重识别方法等错误率可以达到1. 6%,较DNN系统与EM-GMM系统等错误率分别降低了1. 2%和2. 4%,并且在噪声环境中仍具有较好的鲁棒性。

关键词：深度神经网络 基音周期 说话人识别 动态时间规整 双重识别 

单位：上海工程技术大学机械与汽车工程学院; 上海201620