论文部分内容阅读
在基于GMM的说话人确认系统中，模型的训练是为每个说话人的语音建立模型，然后通过一定的算法找到一组参数λ，使似然概率最大。文中通过对GMM的研究提出一种改进的模糊C均值算法（FCM）并将改进后的算法应用到模型初始化中。同时，GMM在话者确认时，语音数据不足会导致识别率下降，本文采用能覆盖话者语音的高斯混合模型．通用背景模型（GMM－UBM）作为识别模型，通过算法比较及实验分析可知，改进算法后的系统在识别率上明显优于传统的基于GMM的说话人识别系统。