朱宇轩

(西华大学，四川 成都 610039)

基于高斯混合模型的说话人识别研究

朱宇轩

(西华大学，四川 成都 610039)

摘要：说话人识别本质上是一个模式识别问题，而模式识别系统的目标是要在表示空间和解释空间之间找到一种映射关系。高斯分布又称为正态分布，是一个在数学、物理及工程领域都非常重要的连续分布函数，它描述了一种围绕某个单值聚集分布的随机变量。

关键词：高斯分布;随机变量

1引言

在实际生活中，许多物理现象以及各种心理学测试分数都近似地服从高斯分布。在统计学以及许多统计测试中高斯分布也是应用最广泛的一类分布。高斯混合模型(Gaussian Mixture Model,GMM)是单一高斯密度函数的扩展，由于高斯混合模型可以逼近任意形状的概率密度分布，所以高斯混合模型被广泛的运用到各种领域，如语音识别，图像识别等，并取得了理想的效果。

2GMM模型基本概念

GMM混合模型可以看作一种状态数为1的连续分布的隐马尔可夫模型CDHMM。它是用M个单高斯分布的线性组合来描述帧特征在特征空间中的分布。一个M阶的混合高斯模型的概率密度函数可以由M个单高斯概率密度函数加权和得到，其表达式如下:

(1)

式中：X是一个D维随机向量；M是混合模型的阶数；ωi,i=1,…,M是混合权重，且其满足以下条件：

(2)

bi(X),i=1,2,…,M是子分布，每个子分布是D维的联合高斯概率分布，可表示为：

(3)

式中，μi是均值向量，Σi是协方差矩阵。

整个高斯混合模型可以通过参数均值向量、协方差矩阵和混合权重来描述。……