基于GMM与改进MCE训练的说话人识别研究  

Study on Speaker Recognition Based on GMM and Improved MCE

作　　者：王松[1] 孙传庆[2] 朱正平[2] 

机构地区：[1]兰州交通大学电子与信息工程学院,甘肃兰州730070 [2]兰州城市学院信息工程学院,甘肃兰州730070

出　　处：《自动化与仪器仪表》2010年第6期21-23,共3页Automation & Instrumentation

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。In the paper,Minimum Classification Error（MCE） criterion is used to train Gaussian Mixture Model（GMM） for Speaker Recognition.A weight function is determined to adjust the weight of speakers to assign a greater weight for more similar speaker.Algorithm of gradient probability degression is utilized to minimize lost function.The presented method has improved speed and accuracy of speaker recognization.

关 键 词：说话人识别 高斯混合模型 最小分类错误 

分 类 号：TP29[自动化与计算机技术—检测技术与自动化装置]