孙 燕，姜占才，潘春花

(1.青海民族大学计算机学院，青海西宁 810007; 2.青海师范大学物理系，青海西宁 810008)

语音自组织特征映射神经网络矢量量化算法

孙 燕1，姜占才2，潘春花1

(1.青海民族大学计算机学院，青海西宁 810007; 2.青海师范大学物理系，青海西宁 810008)

针对数字语音信号分帧提取MFCC参数，MFCC是Mel频率倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)。Mel频率是基于人耳听觉特性提出的，它与Hz频率呈非线性对应关系，利用它们之间的这种关系，计算得到Hz频谱特征。将每帧的MFCC作为矢量进行自组织特征映射神经网络矢量量化及LBG矢量量化，通过实验对二者进行比较。仿真结果表明，自组织特征映射神经网络矢量量化算法得到的码书比LBG算法具有量化误差小、码本尺寸小的特点，进而可以节省存储空间。实验结果表明，文中方法具有一定的实用性。

LBG算法;自组织特征映射神经网络;MFCC参数;矢量量化

0 引言

矢量量化是将若干个采样信号构成一组，形成一个矢量，然后对此矢量进行量化。矢量量化可以压缩数据，但也带来了信息的损失。矢量量化需要解决三个问题:码书设计、码字搜索、码字索引分配。矢量量化最本质的核心是码书设计。

码书设计有多种算法，主要分为四类:LBG［1］算法(也叫GLA改进算法);矢量量化算法;由数学理论衍生出的全局优化技术的码书设计算法，如随机场下随机松弛算法、模拟退火算法、遗传算法和指导性搜索算法;由模糊数学作为理论基础的模糊聚类的码书设计算法［2］。

传统的LBG矢量量化是硬聚类算法［3］。……