说话人识别中训练通用背景模型(UBM)的研究

摘要：       以高斯分布为基础的说话人识别系统使用通用背景的模型(UBM)需要广泛的数据资源尤其是多信道和多个麦克风种类下采集语音。本研究主要是对训练UBM模型数据的选择对整个系统性能的影响做一个系统的分析，训练UBM模型时选择的数据的方式主要涉及下面几个方面：数据数目的改变、特征帧的子样本结构、说话人数量的改变。UBM的协方差矩阵和系统性能有高度相关性，因此主要通过计算UBM协方差矩阵看系

>>阅读原文<<