文献类型：期刊文章

作　　者：罗春梅[1]

LUO Chun-mei(School of Chemical and Mechanical Engineering,Eastern Liaoning Uni vers辻y,Dandong 118000,China)

机构地区：[1]辽东学院化工与机械学院,辽宁丹东118000

出　　处：《数学的实践与认识》

基　　金：辽宁省教育厅科学研究项目(LNSJYT201904)。

年　　份：2021

卷　　号：51

期　　号：17

起止页码：102-110

语　　种：中文

收录情况：MR、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：为提高传统MFCC等声学特征及深度卷积神经网络的识别性能和对背景噪声的适应性,提出基于改进MFCC特征和改进RCNN网络的说话人识别算法.算法首先提取说话人语音的改进MFCC特征并进行了特征补偿和特征降维,以优化说话人的特征提取性能;然后采用池化层优化和残差卷积改进的DCNN网络进一步对准帧间信息,以提高说话人识别的特征学习准确性和对复杂背景干扰的适应性.实验结果表明,相比于i-vector和GMM-UBM识别框架及传统MFCC特征,文中算法取得最优的识别准确率和识别均方误差.

关 键 词：说话人识别 梅尔频率倒谱系数  深度卷积神经网络  高斯均值矩阵  

分 类 号：TN912.3] TP183]