文摘针对现实中训练数据不足的特点,在说话人建模时采用高斯混合模型—通用背景模型(Gaussian MarkovModel-Uniform Background Model,GMM-UBM),主要从说话人识别模型的自适应方法和参数估计方法两个方面,研究如何提高说话人识别系统的识别率.在说话人识别模型自适应方面,改进传统的用最大后验概率MAP(Maximum A Posterior Probability)得到说话人模型的方法,将语音识别中的最大似然线性回归MLLR(MaximumLikelihood Linear Regression)和基于特征音(EigenVoice,EV)的自适应方法,应用到说话人识别模型自适应当中,并将其与MAP方法进行比较.