基于GMM模型的自适应说话人识别研究

• 作者: 周宇欢 张贵荣 陈觉之
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 说话人识别 高斯混合模型 线性预测系数 自适应
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 91-93
• 页数: 3页
• 分类号: TP391.42
• 字数: 2620字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2013.07.024

摘要

为了提高说话人识别的性能,提出一种基于GMM模型自适应说话人识别方法.该方法能自动根据不同的说话人选取不同时长的语音进行识别,从提取语音特征和计算识别概率两方面减少识别时间,在不降低识别率的前提下,比传统识别方法识别速度有大幅度提高.实验仿真表明,在保持正确识别率97％以上的情况下,总识别速度可提高4倍左右.该方法特别适合基于GMM的大集合说话人识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈觉之	海军指挥学院信息系	12	38	4.0	5.0
2	周宇欢	解放军理工大学指挥信息系统学院	11	51	4.0	7.0