论文部分内容阅读
KLT已经成功用于与文本无关的说话人辨认的特征提取。但是对于特征矢量分解，它需要巨大的计算负担。为了减轻计箅负担。把KLT和重叠子帧合并起来用于噪声环境下的说话人辨认。基于重叠子帧的分离方法，文中提出了一种有效技术去建立特征矢量矩阵以便取得KLT的优点。在传统的MGE方法中，对于有k个说话人的系统而言，每一类别的分类错误都需要计算K-l类的判别函数，随着K的增加，使得计算量大量增加，文中提出改进的McE模型以减少计算量，提高运算速度。实验结果显示：所提出的方法不仅减少了计算量，而且提高了系统辨认率。