在在文本无关说话人识别中常用的说话人识别方法有矢量量化法(vector quantization：VQ)和高斯混合模型法 (Gaussian Mixture Model；GMM)，这个论文集中搜集了很多关于GMM的paper，希望对大家有用 GMM／ANN混合说话人辨认模型.pdf MATLAB环境下的基于GMM模型的说话人识别系统.pdf 一种改进的基于正交GMM的说话人辨识方法.pdf 与文本无关的说话人辨认系统中一种新的使用基音周期方法研 噪声环境中基于GMM汉语说话人识别.pdf 基于

由于在人的话音频谱中,低频和较高频段含有较多说话人的个性信息,本文提出一种 LPC 倒谱的改进算法用于与文本无关的说话人识别。该改进算法通过话音频谱的各频段进行加权, 突出说话人的个性信息,从而使说话人更易于区分。

第一部分 基本理论 第2章 听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结 参考文献 第3章 语音信号处理方法--时域处理 3.1

本征音子说话人自适应算法在自适应数据量充足时可以取得很好的自适应效果，但在自适应数据量不足时会出现严重的过拟合现象。首先引入基于隐马尔可夫模型-高斯混合模型（HMM-GMM）的语音识别系统中本征音子说话人自我的算法适应的基本原理。其次通过约会说话人子空间对不同说话人的本征音子矩阵间的相关性信息进行建模；然后通过估计说话人相关坐标矢量得到一种新的本征音子说话人子空间自适应算法。最后将本征音子说话人子空间自适应算法与传统说话人子空间自适应算法进行了对比。自适应算法比例，该算法在自适应数据量极少时能提