期望最大化（ExpectationMaximization，EM）算法是一种求参数极大似然估计的迭代算法，常用来估计混合密度分布模型的参数。EM算法的主要问题是参数初始化依赖于先验知识且在迭代过程中容易收敛到局部极大值。提出一种新的基于分裂EM算法的GMM参数估计算法，该方法从一个确定的单高斯分布开始，在EM优化过程中逐渐分裂并估计混合分布的参数，解决了参数迭代收敛到局部极值问题。大量的实验表明，与现有的其他参数估计算法相比，算法具有较好的运算效率和估算准确性。