基于MFCC和PSO-BP神经网络的说话人识别系统.pdf

《基于MFCC和PSO-BP神经网络的说话人识别系统.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、’＇＇＇—叫－－：．Ｓ－．．．．：．．Ｖ；．嶺，－．Ｗ＇．发节Ｖ１，．＾背一＊’．：巧＇’错／约乂．Ｖ単仿代巧：１０２９３密级：巧皆■‘＇‘一＇ｉ一卢芋；．；＇＇＇－．，动二：户．．考皮＃像硕女讼違＾，搞踐．§‘腳瞒’：－）．’；．心ｖ：該请着讓；Ｓ、／皂凌＇’—．ＣＪ．＇－－＇＇Ｖ”’’Ｃ．非；：ｙ．挺护－ＢＰ神经网络的论文题目：基于ＭＦＣＣ和ＰＳＯ．＾為马尸说话人识别系统＇；——户考学号一嗎姓名—固擅撞—导师＿＿＿＿＿＿￣‘＇专业学位类别工程硕±

2、－类型全日制专业（领域）－电壬与通值王握论文提交日期２０１５．３判麵南京邮电大学学位论女原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过。的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一，切相关的法律责任本人学位论文及涉及相关资料若有不实愿意承担。研巧生签１名齡江．名：日期：尤，

3、４＇＿习勺］南电大文用授权京邮学学位论使声明レ部授南邮电留向的印本人权京大学可ッ保并国家有关口或机构送交论文复件和电子文论；允许文被查阅和借阅；可将学位论全部内容编入有关数据库；档Ｗ文的或部分进行检索、、汇。Ｗ用影印或扫描复制手段存学位论文文电子文的内容和纸可采印缩等保编本本档质一理。。论的论文公（包刊登）邮电学研生院文内容相致的布括授权南京大究办密学位论文在密后适权。涉解用本授书签《签；导名：４：研究生名师日期气ResearchonSpeakerRecognitionBasedonMFCCandPSO-BPNeuralNetwor

4、kThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofMasterofEngineeringByZhouTingtingSupervisor:Prof.LiYanpingMarch2015摘要说话人识别是一项随着数字化信息发展起来的生物识别技术，基于人工神经网络的说话人识别技术也成为生物识别技术领域中重要的研究热点之一。基于人工神经网络的说话人识别技术，相较于传统的基于线性系统理论的技术，具有非线性分布式并行处理、较强的模式分类能力、优良的不完全信息的

5、鲁棒性等特点。人工神经网络是一种模仿动物神经网络行为特征的网络模型，在信息模糊化等说话人识别技术相关问题上具有自主学习的优势。本文首先对说话人识别技术和人工神经网络及其优化算法的发展、研究现状作了介绍，并从语音信号的预处理开始分析，对语音信号进行了预加重、端点检测，滤除了说话人语音中的静音段和噪声段，为后续的特征参数提取提供了有效的语音段。文中还将基于谱减法增强的梅尔倒谱特征参数（Mel-FrequencyCepstrumCoefficient,MFCC）与传统的梅尔倒谱参数特征参数进行了比较，前者在噪声条件下具有更好的鲁棒性。对于传统说话人识别模型需要大量训练数据

6、，鲁棒性差以及存储空间大等缺陷，本文提出了反向传播(Back-Propagation，BP)算法网络模型。BP网络模型能够随经验不断改善性能，通过自组织自学习自适应调整网络模型参数。本文重点研究了BP神经网络模型的特点，针对BP神经网络收敛速度慢、易陷入局部极小等问题，引进了粒子群算法(ParticleSwarmOptimization,PSO)，建立了PSO-BP神经网络模型。通过粒子群优化算法(PSO）来训练BP神经网络的权值和阈值，可以有效寻求最佳解空间、加快全局搜索。在实验验证环节，相对于传统说话人识别模型，基于PSO-BP神经网络的说话人识别系统的识别率和

7、训练速度都得到了较大的提高。关键词:说话人识别，MFCC特征参数，BP神经网络，粒子群算法，谱减法语音增强IAbstractWiththedevelopmentofdigitalinformation,speakerrecognitionisakindofbiometricauthentication.Comparedwiththetechnologybasedontraditionallinearsystemtheory,speakerrecognitionbasedontheneuralnetworkhasastrongabilityofpatterncla