本文档介绍了Gaussian probabilistic LDA (G-PLDA)在Speaker Recognition中的基本原理。通过MSR Identity Toolbox，我们了解到G-PLDA的模型定义，涉及观察向量、说话人特征子空间矩阵和高斯噪声。文章还探讨了loglikelihood ratio的计算，解释了如何根据不同假设进行概率比较，并引用了相关文献进行深入理解。
"MSR Identity Toolbox"里使用到了G-PLDA(Gaussian probabilistic LDA)。
根据文献[1]对G-PLDA的原理进行了初步的了解，记录如下。
1. 简化版的G-PLDA的模型定义如公式(3)。
这里
是观察向量，m是均值，
是说话人特征子空间矩阵，
是说话人隐变量，
是残差高斯噪声。
2. 根据文献[1]，loglikelihood ratio for this hypothesis test定义如下。分子是
Speaker Recognition: Gaussian probabilistic LDA (PLDA)理解
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
