论文部分内容阅读
近年来，随着信号的稀疏性理论越来越受到人们的关注，稀疏表征分类器也作为一种新型的分类算法被应用到话者识别系统中。该模型的基本思想是：只要超完备字典足够大，任意待测样本都能够用超完备字典进行线性表示。基于信号的稀疏性理论，未知话者的向量系数，即稀疏解可以通过L1范数最小化获取。超完备字典则可视为语音特征向量在高斯混合模型-通用背景模型（GMM-UBM）上进行MAP自适应而得到的大型数据库。采用稀疏表征模型作为话者辨认的分类方法，基于TIMIT语料库的实验结果表明，所采用的话者辨认方法，能够大大提高说话人识别