全部作者：邱作春 曾慶寧第1作者單位：桂林電子科技大學,資訊與通訊學院論文摘要：獨立分量分析方法是1種將線性混合訊號進行分離，得到統計獨立的源訊號的技術，能用於提取組合語音的特徵基函式。倒譜向量符合ICA變換的`假設條件，用ICA方法對MFCC特徵進行轉換得到ICA特徵基，繼而用於說話人識別，建立了1個基於獨立分量分析的說話人識別系統。實驗結果表明，在噪聲環境下此係統具有更高的識別率。關鍵詞：獨立分量分析，說話人識別，向量量化，高斯混合模型 (瀏覽全文)發表日期：2007年05月11日同行評議：
1．公式說明不清楚。如：各式中E[.]運算是說明運算？求統計期望？文中未作說明；公式（6）中”g”是什麼？公式說明中的”v,f(.),F(.)”在公式中不存在；公式(7)(8)中的“ g’ ”又是什麼？2．實驗結果中，對含噪語音的識別，採用兩種特徵引數“MFCC”和“ICAft”時都在前端作消噪處理了嗎？如果都進行了消噪處理，兩種引數的識別結果差異會有如此之大？ICA方法對識別率的提高有如此大的貢獻？對作者給出的這1結果的正確性表示嚴重懷疑。另外，對採用VQ模板的系統在5dB情況下能取得85％以上的識別率也持有疑問。3. 建議再作實驗模擬，對結果再驗證！
綜合評價：修改稿：注：同行評議是由特聘的同行專家給出的評審意見，綜合評價是綜合專家對論文各要素的評議得出的數值，以1至5顆星顯示。