基于GMM的說話人識別算法的研究.pdf

1、從語音信號中有效地提取個人特征信息進行說話人身份的辨認和確認，是語音識別研究領(lǐng)域的一個重要研究方向。從人機交互、身份驗證、信息檢索等各個應(yīng)用方向而言，說話人識別都具有廣泛的應(yīng)用前景，其研究具有越來越重要的理論意義和實用價值。 論文首先討論了GMM模型作為說話人模型的優(yōu)越之處及物理意義。重點分析了模型的訓(xùn)練算法-EM算法，并針對判別時幀似然概率的得分容易受到噪聲干擾等缺點，對幀似然概率進行加權(quán)，加權(quán)后的說話人辨認系統(tǒng)受噪聲影響較小

2、，識別率有所提高。 論文針對GMM的說話人確認系統(tǒng)，在背景模型和閾值設(shè)置兩個方面進行深入的討論，并針對基于GMM模型的說話人確認系統(tǒng)缺乏目標說話人和非目標說話人之間區(qū)分性信息的描述，提出了一種基于模板相似性度量的判決方法。新的確認系統(tǒng)在充分利用GMM統(tǒng)計特性的同時，能夠更好描述目標說話人與非目標說話人之間的區(qū)分性信息，提高了識別性能。 論文對基于網(wǎng)絡(luò)環(huán)境下的說話入辨認系統(tǒng)進行了研究，采用拉格朗日插值法對丟包進行補償時，能