kaldi基于GMM做分类问题

对于每个类别的GMM有几种思路：
第一是将所有训练数据按类别分开，每类的数据训练一个GMM模型
第二是将所有的数据训练一个UBM模型，然后将训练数据按类别分开，用MAP去训练每个类别的GMM（对角UBM的MAP貌似kaldi 没有）
第三就是将所有的数据训练一个UBM模型，然后不做MAP，直接用训好的UBM所GMM的初始值，然后将所有训练数据按类别分开，训练三个GMM模型（在第一种方法的GMM初始化用训好的UBM）

准备测试集数据，如果训练GMM是用的是原始的MFCC特征的话，也就是不经过add-delta apply-cmvn selected-voiced 等操作的话，那就直接用测试集的MFCC特征的feats.scp文件就好了。
但是如果你的特征在训GMM的脚本里经过一些处理，那就是按照相同的处理，意思就是在输入模型之前特征的前端处理必须保持一致
比如：

select-voiced-frames scp:feats.scp scp:vad.scp ark:- | compute-cmvn-stats ark:- ark:- | apply-cmvn --norm-vars=false ark:- scp:feats.scp ark:- | add-deltas --delta-window=3 --delta-order=