利用高斯混合模型的均值参数实现基于SVM说话人身份识别

对于与文本无关的话者身份确认,运用极大似然估计,最大后验准则等传统方式建立其高斯混合模型,进行得分计算从而确定话者身份,该方法取得了较好的效果。然而研究表明,基于高斯混合模型的话者身份确认易受到噪音,话者发音变化等因素的影响,降低其可靠性。因此本文在高斯混合模型的参数基础上,提取其中的均值信息表示语音信号,选取线性核函数,利用支持向量机技术较好的分类能力,重新进行得分计算。在TIMIT数据库上的实验表明,使用向量机技术进行话者身份确认能够在传统的高斯混合模型的基础上等误识率将实现将近4%的提高。