添加音素持续时间信息到频谱模型的说话人辨认研究

传统的声音识别系统通过短时声音频谱信息来辨识说话人．这种方法在某些条件下具有较好的性能。但是由于有些说话人特征隐藏在较长的语音片段中，通过添加长时信息可能会进一步提高系统的性能。在文中．音素持续时间信息被添加到传统模型上，以提高说话人辨识率。频谱信息是通过短时分析获得的，但音素持续时间的提取却属于长时分析，它需要更多的语音数据。通过大量语音数据探讨了音素持续时间信息对说话人辨识的有效性，提出2种方法来解决数据量小所引起的问题。实验结果表明，当说话人的声音模型被恰当建立时，即使在语音数据量小的情况下，音素持续时间信息对说话人辨识率的提高也是有效的。

Adding Phoneme Duration Information to Spectral Model in Speaker Identification