传统的最小二乘支持向量机(LS-SVM)使用特征向量作为训练样本,在说话人识别系统中应用时区分性不够明显。对此，提出VQ-MAP与LS-SVM融合的方法，使用通用背景模型(UBM)经过VQ-MAP过程得到说话人自适应参数集，把此参数集作为最小二乘支持向量机的训练样本应用于说话人识别系统中。用Matlab进行仿真实验，结果表明，该识别系统SVM训练时间短，且具有较高的识别率。

摘   要： 传统的最小二乘支持向量机(LS-SVM)使用特征向量作为训练样本,在说话人识别系统中应用时区分性不够明显。对此，提出VQ-MAP与LS-SVM融合的方法，使用通用背景模型(UBM)经过VQ-MAP过程得到说话人自适应参数集，把此参数集作为最小二乘支持向量机的训练样本应用于说话人识别系统中。用Matlab进行仿真实验，结果表明，该识别系统SVM训练时间短，且具有较高的识别率。 　　说话人识别是从说话人的一段语音中提取出说话人的个性特征，通过对这些个性特征的分析和识别，从而达到对说话