摘要:在粒子群优化(Particle Swarm Optimization,PSO)和混合蛙跳算法(Shuffled Frog-Leaping Algorithm,SFLA)的基础上,该文提出了一种新的混合粒子对优化(Shuffled Particle-Pair Optimizer,SPPO)算法,应用于矢量量化的说话人识别。该算法将全局信息交换和局部深度搜索相结合寻求最佳的说话人码本。群体按适应值分为3个粒子对,每个粒子对由两个粒子构成,按先后顺序执行PSO算法中的速度位置更新和LBG算法以实现局部细致搜索,间隔一定的迭代次数通过SFLA混合策略实现粒子对间的信息交换,从而使群体向全局最优解靠近。实验结果表明,本算法始终稳定地取得显著优于LBG,FCM,FRLVQ-FVQ和PSO算法的说话人识别性能,较好地解决了初始码本影响的识别性能的问题,且在计算时间和收敛速度方面有相当的优势。
关键词:说话人识别 粒子群优化 混合蛙跳算法 矢量量化 与文本无关
单位:华南理工大学电子与信息学院 广州510640 深圳大学信息工程学院 深圳518060
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社