GMM文本无关的说话人识别系统研究

• 作者: 唐振民 蒋晔
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 说话人识别 高斯混合模型 美尔频率倒谱系数(MFCC) 分裂法与K均值聚类结合法
• 年，卷（期）: 2010,（11）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 179-182,195
• 页数: 5页
• 分类号: TP391.4
• 字数: 5430字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.11.055

摘要

在高斯混合模型(Gaussian Mixture Model,GMM)训练时,对传统的模型参数初始化方法(随机法、K均值聚类法)进行改进,提出分裂法与K均值聚类相结合的新方法.实验表明,采用改进的方法与传统方法相比,系统平均识别率有15.47%和7.5%的提高.研究了GMM的阶数、协方差阈值、预加重系数对系统识别率的影响.对实验结果进行详细分析,并根据实验教据,取它们各自表现最好的值,从而使构建的说话人识别系统获得一个较高的识别率.实验表明,在规定的实验条件下,系统可达到90%以上的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐振民	南京理工大学计算机科学与技术学院	191	2436	26.0	40.0
2	蒋晔	南京理工大学计算机科学与技术学院	3	64	3.0	3.0