基于核主成分分析與神經(jīng)網(wǎng)絡的文本無關說話人識別研究.pdf

1、說話人識別是根據(jù)人特有的語音信號識別說話人身份的一種生物認證技術。說話人識別的關鍵技術包括兩個方面：一是如何從數(shù)據(jù)量相當大的原始語音信號中提取出反映說話人聲音特色的特征參數(shù)；二是如何設計識別能力強的分類器。 本文對說話人識別系統(tǒng)的研究分別從特征提取與分類器設計兩方面進行。 對于特征參數(shù)的提取，在對目前存在的單一主流特征進行研究的基礎上，對基于聲道的線性預測倒譜系數(shù)和基于人耳聽覺特性的Mel頻率倒譜系數(shù)及二者的差分系數(shù)進行

2、了一系列特征組合研究，將研究結果應用于文本無關說話人識別，并對各種多參數(shù)組合特征進行了評價，通過計算機仿真實驗，表明所采用的多參數(shù)組合特征有利于改善識別效果。為了降低組合特征的維數(shù)、縮短訓練和識別時間，提高系統(tǒng)識別效率，研究了主成分分析和核主成分分析的最優(yōu)降維性質在文本無關說話人識別中的應用。核主成分分析方法采用非線性方法提取主成分，是主成分分析的改進算法。本文提出了利用核主成分分析選擇合適的核函數(shù)在高維空間提取組合特征主成分的方法，各

3、組合特征經(jīng)過核主成分分析降維，損失的特征信息最少，在保證識別性能的同時，后續(xù)階段的計算開銷將會大大減少。實驗結果表明，核主成分分析不僅實現(xiàn)了合理降維，而且能取得比傳統(tǒng)主成分分析更好的識別性能。 對于分類器的設計，主要應用人工神經(jīng)網(wǎng)絡技術，設計了基于概率神經(jīng)網(wǎng)絡的說話人識別系統(tǒng)。針對概率神經(jīng)網(wǎng)絡訓練樣本的數(shù)目比較大時，存在的內(nèi)存需求巨大和運算時間較長的問題，將模糊C-均值聚類算法引入概率神經(jīng)網(wǎng)絡分類器。融合兩者的優(yōu)點，提出了基于模