论文部分内容阅读
针对实际问题中训练数据不足的特点,在对说话人建模时采用的是高斯混合模型—通用背景模型GMM-UBM,针对MCE训练算法中计算量大的显著问题,对其进行改进,改进的MCE算法不仅能使计算量减小,而且识别性能更佳.实验结果表明,在高斯混合数与说话人数不同的情况下,改进的MCE比传统MCE算法都要节省训练时间,且随着高斯混合数与说话人数的增长,节省的时间越多.针对采用MAP、MLLR、MAPMLLR、Eigen Voice方法作自适应得到的说话人模型,然后应用MCE算法与改进的MCE算法,改进的MCE算法