基于MFCC和矢量量化的說(shuō)話人識(shí)別算法研究.pdf

1、說(shuō)話人識(shí)別技術(shù)是根據(jù)語(yǔ)音波形中反映說(shuō)話人生理特征差異和行為習(xí)慣差異的語(yǔ)音參數(shù)能夠自動(dòng)鑒別說(shuō)話人是誰(shuí)的一項(xiàng)技術(shù)，其廣泛的應(yīng)用前景正受到越來(lái)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(wú)關(guān)說(shuō)話人識(shí)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(jìn)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(yù)處理階段對(duì)窗函數(shù)進(jìn)行改進(jìn)，用改進(jìn)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(tīng)覺(jué)系統(tǒng)更為適應(yīng)的Bark子波變換，其基函數(shù)滿足時(shí)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(lái)變化，將其應(yīng)用于MFCC特征提取過(guò)程中，能提高語(yǔ)音在噪聲環(huán)境下的魯棒性。
　　 然后，對(duì)矢量量化模式識(shí)別方法進(jìn)行改進(jìn)，針對(duì)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(wèn)題，利用蟻群算法的分布式并行機(jī)制，將蟻群算法與LBG算法進(jìn)行混合交替，在提高其全局搜索能力的同時(shí)，通過(guò)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(jī)性選擇相結(jié)合的選擇策略，在搜索過(guò)程中動(dòng)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(biāo)準(zhǔn)差描述的加權(quán)歐式距離測(cè)度用于匹配判決。
　　 通過(guò)實(shí)驗(yàn)可以驗(yàn)證，改進(jìn)