摘要：本文提出了一种新的说话人码本的优化设计方法—粒子对协同优化算法,应用于矢量量化的说话人辨认.此算法利用两个初始粒子对分别在每次迭代中执行粒子群优化算法的速度、位置更新和标准LBG算法实现并行搜索最优码本,粒子对由两个粒子构成,每隔一定的迭代次数通过交换粒子实现粒子对间的信息交流,最后分别选出两个较优粒子组成精英粒子对进一步搜索.此算法避免传统LBG算法陷入局部最优的缺点.实验结果表明,本算法始终稳定地取得显著优于LBG、FCM、FRLVQ-FVQ、FEP和PSO算法的说话人辨认性能,较好地解决了初始码本影响优化结果的问题,且在计算时间和收敛速度方面有优势.

摘要：该文提出了一种基于自适应频率规整的鉴别性特征提取算法。该方法通过对语音频谱的各个频带的鉴别性分析及其量化结果对各个频域进行自适应的频率规整,进行非均匀子带滤波设计提取鉴别性特征;同时在噪声环境下,在特征提取前端进行了预增强处理,解决了测试语音与训练语音失配的问题,保证了特征的正确提取。实验证明,该特征原理简单,稳定性好,对语音内容不存在依赖性,有良好的抗噪性能,并且结合预增强处理是有效的,能够进一步提高辨认系统的识别率和鲁棒性。

摘要：提出了基于进化高斯混合模型 (EGMM)的说话人辨认系统建模方法 .EGMM在进化算法的框架下 ,为改善模型的泛化性能对 GMM模型的结构与参数共同进行了优化 .同时 ,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度 .根据 GMM的特点设计了专门的遗传算子并结合 GA与 EP提出了一种新的混合进化算法 .初步实验结果表明 ,EGMM方法建立的说话人模型具有更强的泛化能力 .在说话人辨认实验中 ,较之传统的GMM方法 ,基于 EGMM的系统的正识率提高了近 3% ,并且模型具有更小的平均尺寸 .

摘要：利用MATLAB软件,设计了一种基于GMM模型的与文本无关的说话人辨认系统。该系统包括语音活动检测、提取MFCC参数、训练GMM参数和判决辨认四部分。经过TIMIT数据库测试,该系统的性能良好。

摘要：在LABVIEW平台上,通过声卡获得语音信号,设计了以美尔频率倒谱系数及其差分作为语音识别的特征参数,通过动态时间规整算法来识别的与文本有关的说话人辨认系统.

摘要：说话人识别技术(声纹识别技术)以其独特优势在信息安全领域的应用逐渐增大。本文概括叙述了说话人识别的基本概念;介绍了在模拟噪声环境下,采用新特征提取算法的基于GMM的说话人识别系统的设计原理以及实现。测试结果表明,说话人辨认识别率达到96%以上。