作者：芮贤义; 俞一彪说话人识别码本设计lbg算法综合分析方法识别性能建模方法文本无关收敛速度样本数据影响系统搜索能力均值算法算法实现mfcclpcc特征参数最优点识别率收敛性
摘要：矢量量化(VQ)方法是文本无关说话人识别中广泛应用的建模方法之一.在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能.考虑到遗传算法(GA)是一种具有全局化寻优搜索能力的算法,本文提出了遗传算法和K均值算法相结合的综合分析方法GA-K进行码本设计,改善了码本的质量.讨论了具体的算法实现,分析了在不同的特征参数LPCC及MFCC、不同测试语音长度下的说话人识别性能.实验结果显示,GA-K方法优于传统的LBG算法,可以很好地协调收敛性和识别率之间的关系.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
