一种改进的GMM实时说话人辨认系统的设计与实现

摘要

本文设计并实现了一种基于高斯混合模型(GMM)和以Mel频率倒谱系数(MFCC)为语音特征的与文本无关的实时说话人辨认系统。针对GMM传统的参数初始化方法(随机法、k均值聚类法)缺乏聚类精确度的不足，提出分裂法与k均值聚类相结合的新方法，并运用到系统中。该系统在windows平台下用vc6.0搭建，界面友好，包括声音采集与存储、语音预处理、MFCC特征提取、GMM训练与存储、说话人辨认等模块。实验表明，改进后的方法与传统方法相比，系统平均识别率有18.34%和7.98%的提高。系统对60个话者进行采样，在规定的实验条件下，误识率仅为6.7%。