關鍵詞：說話人確認 短語音 高斯混合模型 身份向量 模型自適應 

摘要：針對現有i-vector說話人確認系統在測試語音為短語音時性能下降的問題,對短語音i-vector估計的不確定性進行分析,改進了i-vector提取中Baum-Welch統計量的計算.該方法利用賦予權重的歷史測試信息以及通用背景模型中的參數信息來增加用于短語音Baum-Welch統計量計算的說話人個性信息.將改進統計量用于i-vector提取,針對不同時長短語音的實驗表明,新系統的性能優于當前i-vector系統,等錯誤率(EER)和檢測代價函數最小值(min DCF)分別下降了13~19%和8~23%.

小型微型計算機系統雜志要求:

{1}正文內容應簡潔明了，層級不宜過多，層級序號為一、（一）、1、（1）、①。

{2}投稿者若抄襲、模仿他人作品等侵犯他人知識產權的；或者稿件內容侵犯他人名譽權、隱私權、人格權的，由投稿者承擔相應法律責任，自負文責。

{3}稿件中文主題名不超過20個漢字，副題名前須有破折號并且不超過25個漢字。題名要簡明、確切，能夠表達文章的中心思想、概括文章的主要內容。

{4}參考文獻按正文中出現的順序排列編號，置于文后。參照國標《信息與文獻參考文獻著錄規則》(GB7714-2015)著錄。

{5}務必提供第一作者的情況簡介。作者簡介一般包括工作單位、專業職稱、郵政編碼和聯系方式（電子信箱和電話）等。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社