A comparison of training algorithms in speaker identification

Abstract

In this study, training algorithms are compared in Gaussian mixture model (GMM) based a speaker identification system. The Expectation maximization (EM) algorithm has widely been used to estimation of GMM parameters. In this article, the k-means and LBG are applied to GMM in order to estimate the vector quantization training parameters. The EM, the k-means and LBG training algorithms are tested with TIMIT and NTMIT databases and are compared speaker identification performance. Furthermore, the EM and k-means algorithms which sensitive against model initialization values are found optimum model initialization values for databases.

Özet

Bu çalışmada Gauss Karışım Modeli (GKM) temeline dayanan bir konuşmacı tanıma sisteminde eğitim algoritmaları karşılaştırılmaktadır. GKM eğitim parametrelerinin kestiriminde Beklentinin Maksimumlaştırılması (BM) algoritması yaygın olarak kullanılmaktadır. Bu makalede Vektör nicemleme eğitim parametrelerinin kestirimi amacıyla kullanılan k-ortalama ve Linde, Buzo, Gray (LBG) eğitim algoritmaları GKM’ ye uygulanmaktadır. TIMIT ve NTIMIT veritabanları kullanılarak BM, kortalama ve LBG eğitim algoritmalarının konuşmacı tanıma performansları karşılaştırılmaktadır. Ayrıca model başlangıç değerlerine karşı hassas olan BM ve kortalama algoritmalarının veritabanları için ideal başlangıç değerleri belirlenmektedir.