基于MFCC和矢量量化的說話人識別算法研究.pdf

1、說話人識別技術(shù)是根據(jù)語音波形中反映說話人生理特征差異和行為習慣差異的語音參數(shù)能夠自動鑒別說話人是誰的一項技術(shù)，其廣泛的應(yīng)用前景正受到越來越多人的重視。本文主要是基于美爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficients，MFCC)和矢量量化的與文本無關(guān)說話人識別技術(shù)的研究，采用矢量量化和自適應(yīng)蟻群算法混合的方法，參數(shù)利用改進窗函數(shù)的Bark子波的美爾頻率倒譜系數(shù)。
　　 首先，在MFCC特征提取

2、的預處理階段對窗函數(shù)進行改進，用改進的Lanczos窗代替漢明窗，在確定主瓣的寬度基本一致的情況下，使旁瓣能更好的得到抑制，并引入與人耳聽覺系統(tǒng)更為適應(yīng)的Bark子波變換，其基函數(shù)滿足時間-感知頻率上的最佳不確定性，分析尺度的伸縮則按照“臨界帶(Critical Band)”的中心頻率來變化，將其應(yīng)用于MFCC特征提取過程中，能提高語音在噪聲環(huán)境下的魯棒性。
　　 然后，對矢量量化模式識別方法進行改進，針對LBG算法極易陷入局部

3、最優(yōu)解的可能性和依賴初始碼本的選擇問題，利用蟻群算法的分布式并行機制，將蟻群算法與LBG算法進行混合交替，在提高其全局搜索能力的同時，通過LBG算法加快收斂速度。為了防止蟻群算法也陷入局部最優(yōu)解的可能，采取了確定性選擇和隨機性選擇相結(jié)合的選擇策略，在搜索過程中動態(tài)調(diào)整狀態(tài)轉(zhuǎn)移概率的方法，從一定程度上防止了所得的結(jié)果是局部最優(yōu)解。
　　 最后，一種基于標準差描述的加權(quán)歐式距離測度用于匹配判決。
　　 通過實驗可以驗證，改進