脉冲耦合神经网络（PCNN）在基于语谱图的说话人识别中的应用

摘要

语谱图能够反映语音信号的时频信息，它包含语音信号比较完整的信息。自从语谱图出现以来，就一直有人对语谱图进行研究，也出现了一些成果，但成效不是十分理想。脉冲耦合神经网络(PCNN)是上世纪90年代，Eckhom等人通过对哺乳动物的视觉皮层进行研究，得到的一个模拟哺乳动物视觉皮层发放脉冲(也叫点火)现象的神经网络。 PCNN面世以来，一直被用于图像处理中，本文提出了一种由PCNN和行程编码结合的图像压缩方法是PCNN在图像处理的一个例子。而语谱图是语音信号的图像表示，所以，把PCNN用来处理语谱图是很合理的。通过语谱图就可以把图像处理的方法用到语音处理中来。 一直以来，用PCNN从语谱图中提取特征，是把语谱图输入到PCNN，迭代50次，把每一代的总点火次数组成的矢量作为特征。但这样得到的特征只能反映语谱图的一部分信息，而不能完整地反映语谱图包含的信息。本文提出一种用PCNN从语谱图中提取特征的新方法，使得新特征能比较完整地包含语谱图的信息。 本文主要做了以下工作： 1.介绍了脉冲耦合神经网络(PCNN)及其简化模型的结构原理，说明使用PCNN要确定的参数。 2.提出一种由PCNN和行程编码结合的图像压缩算法，说明PCNN在图像处理中的应用。 3.用PCNN从语谱图中提取50维的矢量特征，用于说话人确认和闭集的说话人辨认，进行实验并分析实验结果。 4.用遗传算法来选择PCNN的参数。 5.分析PCNN各时刻的点火位置图，提出一种从各时刻的点火位置图中提取特征的新方法，并把用新方法得到的新特征用于说话人确认和闭集的说话人辨认中，取得较好的实验结果。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究意义

1.1.1 用语谱图进行说话人识别研究的意义

1.1.2脉冲耦合神经网络(PCNN)研究意义

1.2 当前对语谱图的研究动态

1.3本文主要内容及结构

第二章脉冲耦合神经网络(PCNN)模型结构原理

2.1 PCNN模型的来源

2.2 PCNN模型的结构及原理

2.3 PCNN的简化模型

2.4本章小结

第三章PCNN在图像处理中的应用

3.1 PCNN在图像处理中的应用介绍

3.2行程编码的简介

3.3 PCNN与行程编码结合图像压缩方法的提出

3.4实验结果分析

3.5本章小结

第四章用PCNN从语谱图中提取特征进行说话人识别

4.1用PCNN从语谱图中提取特征的方法

4.1.1 求语谱图

4.1.2用PCNN从语谱图中提取特征

4.2 PCNN模型参数对输出的影响

4.3 PCNN输出与语音帧数的关系

4.4说话人识别实验及其结果分析

4.4.1 用PCNN从语谱图中提取特征进行说话人确认

4.4.2用PCNN从语谱图中提取特征进行闭集的说话人辨认

4.5本章小结

第五章遗传算法在PCNN参数选择中的应用

5.1遗传算法简介

5.2适应度函数的选择

5.3 用遗传算法选择PCNN的参数

5.4实验结果

5.5本章小结

第六章用PCNN提取语音特征的新方法

6.1 用PCNN提取特征新方法的提出

6.2用新特征的实验结果

6.2.1 用新特征进行说话人确认

6.2.2用新特征进行说话人辨认

6.3本章小结

总结

参考文献

攻读硕士学位期间所发表的学术论文及获奖情况

致 谢