基于智能群體和盲源分離的說話人識別.pdf

1、說話人識別在干凈語音條件下已取得不錯的識別率，但由于噪聲的存在，語音信號會發(fā)生畸變，造成訓(xùn)練環(huán)境與測試環(huán)境的不匹配，嚴(yán)重影響了系統(tǒng)的識別率。如何從復(fù)雜的噪聲背景中提取反映說話人個性特征的語音參數(shù)和設(shè)計(jì)行之有效的分類器是說話人識別應(yīng)用于實(shí)際的一個難點(diǎn)。針對上面存在的問題，本文從噪聲環(huán)境下語音參數(shù)的提取和分類器的設(shè)計(jì)這兩個方面出發(fā)，提出自己的解決方案，并通過實(shí)驗(yàn)來驗(yàn)證其可行性。
　　 本文的主要工作包括：
　　 1.針對說話

2、人識別中混合噪聲環(huán)境影響語音識別準(zhǔn)確率的問題，考慮將ICA算法進(jìn)行改進(jìn)并應(yīng)用于語音信號的去噪過程，基于獨(dú)立分量分析的盲源分離算法的傳統(tǒng)實(shí)現(xiàn)都是基于梯度的，其收斂性能及求解性能均取決于學(xué)習(xí)步長的選擇，而且收斂速度較慢。為了克服這些缺點(diǎn)，提出一種粒子群算法改進(jìn)的獨(dú)立分量分析算法，對語音特征參數(shù)MFCC系數(shù)進(jìn)行增強(qiáng)。試驗(yàn)結(jié)果表明，改進(jìn)的ICA算法可以快速有效地得到BSS的最優(yōu)解，能有效地抑制環(huán)境噪聲，從而提高語音質(zhì)量。
　　 2.針對