10.3969/j.issn.0254-3087.2013.06.016
基于PSOA聚类和KMP算法的说话人识别方法
在说话人识别领域,MFCC特征参数得到了广泛的应用,但是MFCC特征参数包含了语义信息、语种信息和说话人信息等多种信息,所以存在参数中说话人个性特征信息不明显的问题,而且将MFCC应用于SVM分类器时受Mercer准则的限制.针对以上问题,提出了一种将PSOA聚类与核匹配追踪算法(KMP)相结合的说话人识别方法,首先通过PSOA聚类算法将MFCC特征参数进行变换处理,得到精简的MFCC特征参数,然后利用KMP算法对核函数形式没有任何限制的特性,对精简后的MFCC特征参数进行分类训练和识别.实验结果表明,基于PSOA-KMP的说话人识别方法相比GMM-UBM识别方法,在EER性能上相对提高了38%.
粒子群算法、聚类、核匹配追踪、说话人识别
34
TP391.42(计算技术、计算机技术)
国家自然科学基金60970157;辽宁省博士启动基金20081019;中央高校基础科研经费N100304008
2013-08-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
1306-1311