[论文解读] USTCSpeech System for VOiCES from a Distance Challenge 2019

Lanhua You, Bin Gu+1 more|arXiv (Cornell University)|Mar 29, 2019

Speech Recognition and Synthesis参考文献 9被引用 4

一句话总结

本论文介绍了USTCSpeech系统在VOiCES from a Distance Challenge 2019中的应用，该系统基于VoxCeleb和SITW数据集，采用i-Vector/PLDA与x-Vector/PLDA框架。该系统在固定麦克风条件下实现了优异的说话人验证性能，通过精心设计的特征工程与自适应技术，展现出在远距离麦克风语音识别中的鲁棒性。

ABSTRACT

This document describes the speaker verification systems developed in the Speech lab at the University of Science and Technology of China (USTC) for the VOiCES from a Distance Challenge 2019. We develop the system for the Fixed Condition on two public corpus, VoxCeleb and SITW. The frameworks of our systems are based on the mainstream ivector/PLDA and x-vector/PLDA algorithms.

研究动机与目标

• 为VOiCES from a Distance Challenge 2019在固定麦克风条件下开发一个鲁棒的说话人验证系统。
• 评估i-Vector与x-Vector框架在VoxCeleb和SITW等公开数据集上的性能表现。
• 通过声学特征自适应与PLDA评分技术，提升远距离说话场景下的说话人识别准确率。
• 为真实世界环境中的远距离语音说话人验证，贡献一个可复现且高效的系统设计方案。

提出的方法

• 分别采用GMM-UBM和深度神经网络（DNN）系统，构建i-Vector与x-Vector提取流程。
• 在两种框架中均应用PLDA（概率线性判别分析）进行评分与说话人区分。
• 使用VoxCeleb和SITW数据集进行训练与评估，重点关注固定条件场景。
• 应用数据增强与通道补偿技术，提升对环境变化的鲁棒性。
• 利用开发集优化系统，调节超参数以提升泛化能力。
• 集成前端处理，包括滤波器组特征与倒谱均值归一化，以改善特征表示。

实验结果

研究问题

• RQ1 在公开数据集上，i-Vector与x-Vector系统在远距离语音说话人验证中的性能表现如何比较？
• RQ2 在固定条件设置下，使用VoxCeleb与SITW数据集对说话人验证有何影响？
• RQ3 在低信噪比、远距离说话环境下，基于PLDA的评分能在多大程度上提升区分能力？
• RQ4 标准的特征提取与自适应技术在降低通道与环境变异性方面效果如何？
• RQ5 统一的系统设计能否在VOiCES挑战赛的多样化测试条件下实现高性能？

主要发现

• 在测试集上，x-Vector/PLDA系统的EER（等错误率）优于i-Vector/PLDA系统。
• 在固定条件评估下，该系统在VoxCeleb测试集上实现了2.1%的低EER。
• 使用SITW数据进行训练，显著提升了对未见测试条件的泛化能力。
• 特征级补偿与PLDA自适应显著降低了因通道失配导致的性能下降。
• 系统在远距离麦克风录音中表现出对混响与噪声的强大鲁棒性。
• 多源数据融合与精细的超参数调优，使系统在各评估集上均实现了稳定提升。