搜到了大神 Yu Zhang所写的Useful Derivations for i-Vector Based Approachto Data Clustering in Speech Recognition一文，详细推导了Ivector的计算公式，有兴趣可以到下载

1、语音信号的采样率是8kHz，因此其最高频率必须限制在4kHz以下；2、首先把语音信号划分为10ms一帧数据进行计算，帧与帧之间不重叠；3、将一帧信号分解到六个频段：80~250,250~500,500~1000,1000~2000,2000~3000，3000~4000，4、计算每个频率内的信号能量，取log10，我们称之为对数能量;5、下面的话很重要，很重要，很重要：在每...