论文部分内容阅读
为了提高噪声中的说话人识别率 ,根据各维倒谱系数鉴别能力的不同 ,在识别过程中对 GMM( Gauss mix-ture model)模型的各维分量直接加权 ,提出了直接倒谱加权的 GMM模型 ,并且研究了在噪声情况下衡量各维特征鉴别能力的新方法。将该方法与 MMSE( Minimum mean square error)相融合 ,对白噪声和地铁噪声进行实验 ,得到基线系统和 MMSE增强系统在不同噪声情况下最优的加权窗函数。试验结果表明 ,直接倒谱加权 GMM能显著提高系统识别精度