Dereverberation and Beamforming in Far-Field Speaker Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F18%3APU130731" target="_blank" >RIV/00216305:26230/18:PU130731 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.fit.vutbr.cz/research/pubs/all.php?id=11717" target="_blank" >http://www.fit.vutbr.cz/research/pubs/all.php?id=11717</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICASSP.2018.8462365" target="_blank" >10.1109/ICASSP.2018.8462365</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Dereverberation and Beamforming in Far-Field Speaker Recognition

Popis výsledku v původním jazyce

This paper deals with far-field speaker recognition. On a corpus of NIST SRE 2010 data retransmitted in a real room with multiple microphones, we first demonstrate how room acoustics cause significant degradation of state-of-the-art ivector based speaker recognition system. We then investigate several techniques to improve the performances ranging from probabilistic linear discriminant analysis (PLDA) re-training, through dereverberation, to beamforming. We found that weighted prediction error (WPE) based dereverberation combined with generalized eigenvalue beamformer with powerspectral density (PSD) weighting masks generated by neural networks (NN) provides results approaching the clean closemicrophone setup. Further improvement was obtained by re-training PLDA or the mask-generating NNs on simulated target data. The work shows that a speaker recognition system working robustly in the far-field scenario can be developed.

Název v anglickém jazyce

Dereverberation and Beamforming in Far-Field Speaker Recognition

Popis výsledku anglicky

This paper deals with far-field speaker recognition. On a corpus of NIST SRE 2010 data retransmitted in a real room with multiple microphones, we first demonstrate how room acoustics cause significant degradation of state-of-the-art ivector based speaker recognition system. We then investigate several techniques to improve the performances ranging from probabilistic linear discriminant analysis (PLDA) re-training, through dereverberation, to beamforming. We found that weighted prediction error (WPE) based dereverberation combined with generalized eigenvalue beamformer with powerspectral density (PSD) weighting masks generated by neural networks (NN) provides results approaching the clean closemicrophone setup. Further improvement was obtained by re-training PLDA or the mask-generating NNs on simulated target data. The work shows that a speaker recognition system working robustly in the far-field scenario can be developed.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of ICASSP 2018

ISBN

978-1-5386-4658-8

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

5254-5258

Název nakladatele

IEEE Signal Processing Society

Místo vydání

Calgary

Místo konání akce

Calgary

Datum konání akce

15. 4. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000446384605085