作者：李荟 赵云敏说话人辨认最大后验概率最大似然线性回归特征音
摘要：针对现实中训练数据不足的特点, 在说话人建模时采用高斯混合模型—通用背景模型（Gaussian Markov Model-Uniform Background Model, GMM-UBM）, 主要从说话人识别模型的自适应方法和参数估计方法两个方面, 研究如何提高说话人识别系统的识别率. 在说话人识别模型自适应方面, 改进传统的用最大后验概率MAP （Maximum A Posterior Probability） 得到说话人模型的方法, 将语音识别中的最大似然线性回归MLLR （Maximum Likelihood Linear Regression）和基于特征音（EigenVoice, EV）的自适应方法, 应用到说话人识别模型自适应当中, 并将其与MAP方法进行比较.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
