一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列．RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果．使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF、算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少。     

说话人识别中特征参数提取的一种新方法

提出了一种新的说话人识别中特征参数的提取方法．在分别使用傅立叶分析和小波分析得到两组特征参数之后,进一步利用Fisher准则进行参数选取,构造了一种新的混合特征参数．在不增加训练和识别时计算量的同时,结合了傅立叶分析和小波分析两者的优点,具有更好的分类能力,实验结果显示,这种新的混合参数有效地提高了说话人的识别率,能更好地表征说话人的特征。