基于离散小波变换和RBF神经网络的说话人识别.pdf

《基于离散小波变换和RBF神经网络的说话人识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、368西安理工大学学报JournalofXi’allUniversityofTechnology(2011)Vo1．27No．3文章编号：10064710(2011)03-0368-05基于离散小波变换和RBF神经网络的说话人识别杨凯峰，牟莉，许亮(1．西安理工大学计算机科学与工程学院，陕西西安710048；2．西安工程大学计算机科学学院，陕西西安710048；3．西安交通大学电子与信息工程学院，陕西西安710049)摘要：为提高说话人识别系统的性能，结合离散小波变换与RBF神经网络提出一种说话人识别新方法

2、。把小波变换与美尔频率倒谱系数提取相结合，使用离散小波变换代替美尔频率倒谱系数中的离散余弦变换，提取变换谱振幅作为特征参数。使用逼近能力、分类能力和学习速度均更优的RBF神经网络取代常用的BP网络，采用与输入样本相关的方法优化RBF网络初始权值选取。不同语音长度和信噪比的实验表明，系统识别率和鲁棒性均得到了提高。关键词：说话人识别；MFWC；RBF神经网络；初始权值中图分类号：TN912。34文献标志码：ASpeakerRecognitionBasedonDiscreteWaveletTransforman

3、dRBFNeuralNetworksYANGKaifeng，MOULi，XULiang(1．FacultyofComputerScienceandEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；2．SchoolofComputerScience，Xi’anPolytechnicUniversity，Xi’an710048，China；3．SchoolofElectronic&InformationEngineering，Xi’anJiaot

4、ongUniversity，Xi’an710049，China)Abstract：Thispaperpresentsanovelmethodofthespeakerrecognitionincombiningthediscretewave-lettransformwithRBFneuralnetworkSOastoimprovethespeakerrecognitionsystemperformances．ThewavelettransformandMelFrequencyCepstrumCoefficie

5、ntextractionarecombined．Afterdisplacingthediscretecosinetransformwiththewavelettransform，theamplitudesoftransformedspectrumareextractedasthefeatureparameters．TheBPnetworksaredisplacedbytheRBFneuralnetworks，withsuperiorstudyingspeed，approachingandcharacteri

6、zingability．TheinitialweightschoosingoftheRBFnetworksareoptimizedbyusinganapproachcorrelatingwiththeinputsamples．DifferentspeechlengthandSNRexperimentsshowthatthesystemrecognitionrateandrobustnessareallimproved．Key．words：speakerrecognition；MFWC；RBFNN；initi

7、alweight在说话人识别研究中，特征参数以及识别方法能随信号的变化动态调整时频分辨率，它仅对语音的优劣直接影响说话人识别的准确率¨。在以往的静态特征进行描述，忽略了语音的动态特征。在的研究中，主要利用基频轮廓(PitchContour，识别方法上，常用方法有矢量量化(VectorQuantiza-PC)、线性预测倒谱系数(LinearPredictionCeps-tion，VQ)¨、混合高斯模型(GaussianMixturetrumCoefficient，LPCC)。、美尔频率倒谱系数Model，GM

8、M)和人工神经网络(ArtificialNeu．(MelFrequencyCepstralCoeficients，MFCC)等tralNetworks，ANN)’。7j等。由于人工神经网络特征参数来进行说话人识别。这些特征参数都是基具有自适应、自组织和自学习等优点，近年来在说话于短时平稳的假设条件，但语音信号是一种典型非人识别中得到了广泛应用。但网络模型一般采用平稳信号，其频谱特性随时问而改变。短时分析不BP网络