PCA-VQ融合降维的SMO-SVM说话人识别研究

作     者：席青云 孙同日 陶佰睿 杨文博 苗凤娟 XI Qingyun;SUN Tongri;TAO Bairui;YANG Wenbo;MIAO Fengjuan

作者机构：内蒙古广播电视大学兴安盟分校内蒙古兴安盟137400 黑河学院计算机与信息工程学院黑龙江黑河164300 齐齐哈尔大学通信与电子工程学院黑龙江齐齐哈尔161006 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2023年第36卷第2期

页      面：275-279页

核心收录：

学科分类：0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部“科教融创”职业教育改革创新课题(HBKC217107) 黑龙江省教育厅基本科研业务专项(145209804) 

主　　题：说话人识别 主成分分析 矢量量化 序列最小优化 支持向量机 

摘      要：针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化(PCA-VQ)融合降维的SMO-SVM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过。仿真结果表明:通过PCA-VQ融合算法对MFCC特征参数进行优化降维后,SMO-SVM说话人识别模型的正确率提高3.77%,训练时间节省1.24 s,具有较好推广应用价值。