刘 倩,李 时

1.滁州职业技术学院机电工程系,滁州,239000；2.滁州供电公司营销部,滁州,239000

细菌趋药性算法在说话人识别中的应用

刘 倩1,李 时2

1.滁州职业技术学院机电工程系,滁州,239000；2.滁州供电公司营销部,滁州,239000

针对自动识别大规模、时序性样本说话人身份的模式识别问题，提出了基于细菌群体趋药性算法(Bacterial Colony Chemotaxis, BCC)的说话人识别系统。采用最小二乘支持向量机(LS_SVM)作为模式识别的模型，利用BCC对最小二乘支持向量机的正则化参数γ和核宽度参数σ进行优化。实验结果表明，经过参数寻优之后的LS_SVM分类器能很好地避免人为选择参数的不足，极大地提高了说话人识别系统的性能。

参数优化；细菌群体趋药性算法；说话人识别；最小二乘支持向量机

说话人识别系统是语音识别的一种，其识别过程实质上是一个模式识别过程。目前说话人识别模型大多都是基于生成性(generative)的模型，如矢量量化(VQ)模型[1]和高斯混合(GMM)模型[2]，并取得一定成功。支持向量机(SVM)作为一种区分性模型，是在统计学基础上发展起来的一门机器学习方法，它具有坚实的理论基础和强大的分类能力，能很好地应用在说话人识别问题上。

说话人识别过程主要有四个部分：特征提取、模式训练、模式匹配和逻辑决策。声音经过录音设备储存，声纹转换成模拟信号，再经过处理变成计算机能识别的数字信号。选择能够代表不同说话人说话特性的特征参数，在进行模型训练和测试阶段，对语音信号进行处理，用提取到的特征参数对说话人识别模型进行训练和测试，并对系统模型中的参数进行估计和优化。……