脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）在基于語譜圖的說話人識(shí)別中的應(yīng)用.pdf

1、語譜圖能夠反映語音信號(hào)的時(shí)頻信息，它包含語音信號(hào)比較完整的信息。自從語譜圖出現(xiàn)以來，就一直有人對(duì)語譜圖進(jìn)行研究，也出現(xiàn)了一些成果，但成效不是十分理想。脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)是上世紀(jì)90年代，Eckhom等人通過對(duì)哺乳動(dòng)物的視覺皮層進(jìn)行研究，得到的一個(gè)模擬哺乳動(dòng)物視覺皮層發(fā)放脈沖(也叫點(diǎn)火)現(xiàn)象的神經(jīng)網(wǎng)絡(luò)。 PCNN面世以來，一直被用于圖像處理中，本文提出了一種由PCNN和行程編碼結(jié)合的圖像壓縮方法是PCNN在圖像處理的一個(gè)

2、例子。而語譜圖是語音信號(hào)的圖像表示，所以，把PCNN用來處理語譜圖是很合理的。通過語譜圖就可以把圖像處理的方法用到語音處理中來。 一直以來，用PCNN從語譜圖中提取特征，是把語譜圖輸入到PCNN，迭代50次，把每一代的總點(diǎn)火次數(shù)組成的矢量作為特征。但這樣得到的特征只能反映語譜圖的一部分信息，而不能完整地反映語譜圖包含的信息。本文提出一種用PCNN從語譜圖中提取特征的新方法，使得新特征能比較完整地包含語譜圖的信息。 本文主

3、要做了以下工作： 1.介紹了脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)及其簡化模型的結(jié)構(gòu)原理，說明使用PCNN要確定的參數(shù)。 2.提出一種由PCNN和行程編碼結(jié)合的圖像壓縮算法，說明PCNN在圖像處理中的應(yīng)用。 3.用PCNN從語譜圖中提取50維的矢量特征，用于說話人確認(rèn)和閉集的說話人辨認(rèn)，進(jìn)行實(shí)驗(yàn)并分析實(shí)驗(yàn)結(jié)果。 4.用遺傳算法來選擇PCNN的參數(shù)。 5.分析PCNN各時(shí)刻的點(diǎn)火位置圖，提出一種從各時(shí)刻的點(diǎn)火