论文部分内容阅读
该文将混合层次专家(HME)模型应用到与文本有关的说话人辨认中,说话人辨认属于多路分类问题,根据这一特性,该文提出广义贝努利分布,该分布对于说话人辨认而言,比其它分布具有更好的收敛性.为了能满足处理语音信号动态特性的要求,该文将时延技术引入HME模型中,并利用贝叶斯决策方法将多种时延模型组合起来,以达到一种多尺度分析的效果.语音信号属于序列信号,因此,该文提出一种基于序列判决的HME模型,该模型在标准HME模型基础上增加一个新的序列控制门.最后,作者提出一种基于多特征识别的混合专家模型,它能处理多种输入特征,这种模型比其它基于多特征识别的方法或模型要优越.对于每一种结构,作者都给出其相应的EM算法,并将其应用到说话人辨认中.