论文部分内容阅读
对基于相关向量机和高斯混合模型的说话人识别算法的模型和特征空间进行了一系列的研究。与一些基于语音帧的说话人识别算法相比，该算法将GMM算法作为底层的语音特征提取，从而实现对语音整体上的处理，对常用的两种语音特征美尔频率倒频系数和瞬时频率的表现进行了对比研究；同时，该算法充分利用了相关向量机的所提供的高泛化性、核函数功能和结果的高稀疏性。基于chaills和AHUMADA两个专门用于说话人识别的语音库的仿真表明，该算法在减少相对误差和减少计算量方面有较大的优势。