基于模糊神经网络的话者辩认研究

本文首先根据衡量话者特征参数有效性的F比值公式分析比较了LSP和CEP参数在描述话者特征方面的不同特性，确定LSP参数作为话者特征参数．接着提出了描述话者特征的层次模型．根据函数扩展网络的内插能力和隶属函数的模糊统计建立方法，用函数扩展网络实现模糊状态的隶属函数，由网络隶属函数构成话者特征层次模型的基本单元．以最大隶属度原则作为系统的辨认决策准则．在小词表（0－9十个数字）内，采用文本无关的方式进行42人的话者辨认实验，当测试语音由5个数字随机组合时系统正确辨认率为99．76％．

基于模糊统计的隶属函数神经网络实现方法

采用模糊统计方法获得有限对离散的隶属函数关系，并用神经网络将此关系综合成连续函数表达形式。这一方法进一步完善了隶属函数的统计求法，丰富了经典插值方法，有利于模糊数学理论应用于希望实现并行处理的模式识别等研究领域。我们将这种方法应用于语音识别研究，取得了较好的结果。