基于MFCC和PSO-BP神經(jīng)網(wǎng)絡(luò)的說話人識別系統(tǒng).pdf

1、說話人識別是一項隨著數(shù)字化信息發(fā)展起來的生物識別技術(shù)，基于人工神經(jīng)網(wǎng)絡(luò)的說話人識別技術(shù)也成為生物識別技術(shù)領(lǐng)域中重要的研究熱點之一?；谌斯ど窠?jīng)網(wǎng)絡(luò)的說話人識別技術(shù)，相較于傳統(tǒng)的基于線性系統(tǒng)理論的技術(shù)，具有非線性分布式并行處理、較強的模式分類能力、優(yōu)良的不完全信息的魯棒性等特點。人工神經(jīng)網(wǎng)絡(luò)是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征的網(wǎng)絡(luò)模型，在信息模糊化等說話人識別技術(shù)相關(guān)問題上具有自主學(xué)習(xí)的優(yōu)勢。
　　本文首先對說話人識別技術(shù)和人工神經(jīng)網(wǎng)絡(luò)

2、及其優(yōu)化算法的發(fā)展、研究現(xiàn)狀作了介紹，并從語音信號的預(yù)處理開始分析，對語音信號進行了預(yù)加重、端點檢測，濾除了說話人語音中的靜音段和噪聲段，為后續(xù)的特征參數(shù)提取提供了有效的語音段。文中還將基于譜減法增強的梅爾倒譜特征參數(shù)（Mel-Frequency Cepstrum Coefficient,MFCC）與傳統(tǒng)的梅爾倒譜參數(shù)特征參數(shù)進行了比較，前者在噪聲條件下具有更好的魯棒性。
　　對于傳統(tǒng)說話人識別模型需要大量訓(xùn)練數(shù)據(jù)，魯棒性差以及存

3、儲空間大等缺陷，本文提出了反向傳播(Back-Propagation，BP)算法網(wǎng)絡(luò)模型。BP網(wǎng)絡(luò)模型能夠隨經(jīng)驗不斷改善性能，通過自組織自學(xué)習(xí)自適應(yīng)調(diào)整網(wǎng)絡(luò)模型參數(shù)。本文重點研究了BP神經(jīng)網(wǎng)絡(luò)模型的特點，針對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、易陷入局部極小等問題，引進了粒子群算法(Particle Swarm Optimization,PSO)，建立了PSO-BP神經(jīng)網(wǎng)絡(luò)模型。通過粒子群優(yōu)化算法(PSO）來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，可以有效尋