基于共同向量的非常态语音说话人识别算法

J4 ›› 2014, Vol. 36 ›› Issue (08): 1599-1603.

基于共同向量的非常态语音说话人识别算法

何俊1,贺前华2,张清华1,孙国玺1,肖明1,左敬龙1

(1.广东石油化工学院,广东茂名 525000;2.华南理工大学电子与信息学院,广东广州 510641)

收稿日期:2012-11-01 修回日期:2013-03-14 出版日期:2014-08-25 发布日期:2014-08-25
基金资助:
国家自然科学基金资助项目(60972132，61174113,61101160);广东省自然科学基金资助项目（8152500002000011）

Speaker recognition of abnormal
voice based on common vector

HE Jun1,HE Qianhua2,ZHANG Qinghua1,SUN Guoxi1，XIAO Ming1,ZUO Jinglong1

(1.Guangdong University of Petrochemical Technology,Maoming 525000;
2.School of Electronic and Information Engineering,South China University of Technology,Guangzhuo 510641,China)

Received:2012-11-01 Revised:2013-03-14 Online:2014-08-25 Published:2014-08-25

摘要/Abstract

摘要：

针对预先给定参数求解共同向量所存在的不足，提出了一种基于共同向量的非常态语音说话人识别算法，首先，通过系统识别率自适应调整求解共同向量的参数；然后，将系统识别率最高的参数视为最优参数，为测试语音提取共同向量，并用SVM分类器进行非常态语音说话人分类。实验结果表明：该算法所提取的共同向量，对轻微感冒语音说话人识别率为85.4%，比对特征不进行处理的GMM算法、SVM和结合共同向量的GMM算法的识别率分别提高了16.9%、15.2%和3.2%。

关键词: 非常态语音, 说话人识别, 共同向量, 支持向量机

Abstract:

A speaker recognition algorithm of abnormal voice based on common vector is proposed to overcome the drawback that exists when the traditional common vector is calculated by using the predefined parameters. The proposed algorithm uses the system recognition ratio to adaptively adjust the parameters of calculating the common vector, takes the parameter with the highest system recognition ratio as the optimal parameter so as to extract the common vector, and uses the SVM Classifier to categorize the speakers of abnormal voice. Experimental results show that, by using the common vector extracted by the proposed algorithm, the speaker recognition ratio of slight cold is 85.4%, which has the improvement of 16.9%,15.2% and 3.2% respectively in comparison to the methods of GMM,SVM and ref［6］.

Key words: abnormal voice;speaker recognition;common vector;SVM

何俊1,贺前华2,张清华1,孙国玺1,肖明1,左敬龙1. 基于共同向量的非常态语音说话人识别算法[J]. J4, 2014, 36(08): 1599-1603.

HE Jun1,HE Qianhua2,ZHANG Qinghua1,SUN Guoxi1，XIAO Ming1,ZUO Jinglong1. Speaker recognition of abnormal
voice based on common vector [J]. J4, 2014, 36(08): 1599-1603.

[1]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[2]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[3]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[4]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[5]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[6]	韦修喜1，黄华娟1，周永权1,2. 基于AP聚类的约简孪生支持向量机快速分类算法[J]. 计算机工程与科学, 2019, 41(10): 1899-1904.
[7]	王云艳1,2，罗冷坤1，王重阳1. 基于流形学习的光学遥感图像分类[J]. 计算机工程与科学, 2019, 41(07): 1212-1219.
[8]	冯璋，裴东,王维. 基于改进灰狼算法优化支持向量机的人脸识别[J]. 计算机工程与科学, 2019, 41(06): 1057-1063.
[9]	崔建双，车梦然. 基于多分类支持向量机的优化算法智能推荐系统与实证分析[J]. 计算机工程与科学, 2019, 41(01): 153-160.
[10]	田勋，汪西莉. 基于聚类标签均值的半监督支持向量机[J]. 计算机工程与科学, 2018, 40(12): 2265-2272.
[11]	颜学龙，龚流青，汪斌斌. 基于DCQGA-SMKL-SVM的模拟电路故障诊断方法[J]. 计算机工程与科学, 2018, 40(11): 1944-1950.
[12]	张和杰,马维华. 基于贴近度等级的链路质量评估方法[J]. 计算机工程与科学, 2018, 40(11): 1991-1999.
[13]	王志华,罗齐,刘绍廷. 基于混沌灰狼优化算法的SVM分类器研究[J]. 计算机工程与科学, 2018, 40(11): 2040-2046.
[14]	邱云飞，李智义. 改进人工鱼群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2018, 40(11): 2074-2079.
[15]	任胜兵，廖湘荡. 基于代价敏感支持向量机的软件缺陷预测研究[J]. 计算机工程与科学, 2018, 40(10): 1787-1795.