联合HMM-UBM与RVM的声纹密码识别算法

针对声纹密码识别中声纹文本信息利用率低和噪音干扰的问题,提出隐马尔科夫模型-通用背景模型(HMM-UBM)融合相关向量机(RVM)的声纹识别算法。利用HMM-UBM对语音信号进行时序建模,使用RVM学习得到每位注册话者语音的分类信息。通过对待识别话者建立HM M模型,并将RVM作为分类器进行判决决策得到分类结果。实验结果表明,与GMM-UBM算法和GMM-SVM算法相比,在无噪声环境下,该算法错误接收概率降低7%～9%,识别正确率提高4%～5%,在低信噪比环境下,其识别正确率提高5%～12%。