连续隐马尔可夫模型和神经网络在说话人识别中的比较

• 作者: 刘蓉 周茉 陈琦
• 来源期刊: 计算机与数字工程
• 学科: 数学
• 关键词: 连续隐马尔可夫模型 人工神经网络 说话人识别 感知谐波倒谱系数
• 年，卷（期）: 2006,（9）
• 所属期刊栏目: 研究与方法
• 页码范围: 105-108
• 页数: 4页
• 分类号: O1
• 字数: 3816字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2006.09.031

摘要

连续隐马尔可夫模型(CHMM)和人工神经网络(ANN)广泛的应用于说话人识别系统中,本文分别建立基于这两种模型的说话人识别系统,提取感知谐波倒谱系数作为与文本有关的说话人识别的特征参数,并分别在理想和噪声环境下仿真比较.实验结果表明ANN和CHMM模型在理想环境下平均识别率基本一致,而在噪声环境下ANN模型鲁棒性明显优于CHMM模型,识别率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈琦	华中师范大学电信系	23	281	8.0	16.0
2	刘蓉	华中师范大学电信系	33	443	11.0	20.0
3	周茉	华中师范大学电信系	4	22	3.0	4.0