改进批处理RPEM算法用于说话人识别

针对传统EM算法训练GMM不能充分利用训练数据所属高斯分量信息,从而在一定程度上影响说话人识别性能的缺陷,采用RPEM(竞争惩罚EM)算法训练GMM,并引入批处理RPEM算法解决RPEM算法运算量大、收敛速度慢的问题,同时针对RPEM和批处理RPEM算法训练时方差优化存在的问题进行了改进,提出了改进的批处理RPEM算法。在Chains说话人识别数据库上的实验表明,改进的批处理RPEM算法取得了相对于传统EM、RPEM以及批处理RPEM算法更好的性能,还极大地提高了训练效率,减小了运算量,说明了提出的改进批处理RPEM算法用于说话人识别时的有效性。

非线性信道的均衡算法研究

本文使用Hammerstein模型和维纳模型代替Volterra级数模型来模拟非线性结构以降低运算复杂度,提出了一个由Hammerstein模型和维纳模型构建成的非线性信道传输系统的模型.基于该系统模型,分别提出并推导了三种非线性信道的均衡算法:NCRLS算法、NCKalman算法和NCRPEM算法,并对这三种新算法的性能进行了比较.仿真结果表明,在剩余均方误差方面三种算法中NCKalman算法最小,NCRPEM算法次之,NCRLS算法较差;在收敛速度方面NCRPEM算法收敛最快,NCRLS算法次之,NCKalman算法较差.