PCA变换下的GMM-SVM话者确认研究

摘要 针对支持向量机（SVM）输入参数不能充分利用高斯混合模型（GMM）均值、方差、权重所携带的说话人信息，而导致与文本无关话者确认系统性能下降的问题，本文结合GMM的均值、方差、权重，提出一种新的、基于自适应后GMM的，SVM模型输入特征提取方法.在NIST 06语音数据库上的实验表明，本方法将等误识率（EER）从高斯混合模型-通用背景模型（GMM-UBM）系统的8.49%，下降到基于离散余弦变换（DCT）变换GMM-SVM系统的4.16%，以及基于主元成分分析（PCA）GMM-SVM系统的3.3%