基于GMM与改进MCE训练的说话人识别研究

摘要

在应用最小分类错误(MCE)准则对识别说话人的高斯混合模型(GMM)训练中,采用一个权重函数来确定说话人模型参数调整量的权值,使得比较近的竞争说话人模型的权值大,比较远的竞争说话人模型的权值小。并采用梯度概率递减算法来实现损失函数的最小化,有效提高了说话人识别的速度和精度。