基于智能群體和盲源分離的說話人識別.pdf

1、說話人識別在干凈語音條件下已取得不錯的識別率，但由于噪聲的存在，語音信號會發(fā)生畸變，造成訓練環(huán)境與測試環(huán)境的不匹配，嚴重影響了系統的識別率。如何從復雜的噪聲背景中提取反映說話人個性特征的語音參數和設計行之有效的分類器是說話人識別應用于實際的一個難點。針對上面存在的問題，本文從噪聲環(huán)境下語音參數的提取和分類器的設計這兩個方面出發(fā)，提出自己的解決方案，并通過實驗來驗證其可行性。
　　 本文的主要工作包括：
　　 1.針對說話

2、人識別中混合噪聲環(huán)境影響語音識別準確率的問題，考慮將ICA算法進行改進并應用于語音信號的去噪過程，基于獨立分量分析的盲源分離算法的傳統實現都是基于梯度的，其收斂性能及求解性能均取決于學習步長的選擇，而且收斂速度較慢。為了克服這些缺點，提出一種粒子群算法改進的獨立分量分析算法，對語音特征參數MFCC系數進行增強。試驗結果表明，改進的ICA算法可以快速有效地得到BSS的最優(yōu)解，能有效地抑制環(huán)境噪聲，從而提高語音質量。
　　 2.針對