说话人辨认中GMM模型的聚类优化研究

摘要

高斯混合模型（GMM）已广泛地应用于文本无关的说话人辨认系统,该方法具有简单高效的特点。如果GMM的高斯混合分量的数目比较多,虽然可以得到较高的识别精度,但整个模型运算的复杂度会比较大。针对这个问题,本文提出一种采用聚类算法优化高斯混合模型的方法,能够有效地减少模型中混合分量数目,在不降低识别精度的前提下提高说话人辨认的速度。一系列的实验结果验证这种算法的有效性。