作者：付浩楠; 吕成国说话人识别高斯混合模型通用背景模型em算法区分性竞争思想
摘要：说话人识别的关键在于如何为集合中的每一个人建立一个能表征该说话人个性特征的声学模型，建模方法将会严重影响系统的性能。基于当今与文本无关的话者识别的主流模型——高斯混合模型（Gaussian Mixture Model，GMM）的基础上，从声学的角度剖析了男女发音的差别，以增加说话人之间的差异性为出发点，引入竞争性思想和通用背景模型（Universal Background Model，UBM），提出了具有区分性的GMM的建模方法，克服了传统GMM需要大量训练样本的局限性和UBM将说话人强制服从统一分布的弱点。最后实验的对比结果表明，具有区分性的GMM相比传统的高斯混合模型在识别率上有所提高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
