说话人识别中基于粒子群优化的GMM训练方法

• 作者: 周虹 姚应龙 王志强 薛丽萍
• 来源期刊: 软件工程与应用
• 学科: 工学
• 关键词: 说话人识别 高斯混合模型 粒子群优化
• 年，卷（期）: 2013,（1）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP39

摘要

针对高斯混合模型(Gaussian Mixture Model, GMM)参数最优估计问题,常用的最大期望(Expectation- Maximization, EM)算法对初值敏感,在实际训练中极易得到局部最优参数,本文提出了一种GMM参数优化的新方法。将EM算法融入到粒子群优化(Particle Swarm Optimization, PSO)训练过程,形成了一种新的混合算法,利用PSO的全局探索和EM算法的局部深度搜索的混合策略,粒子在每次迭代中执行PSO速度位置更新和标准EM算法的混合更新操作,在训练语音矢量空间搜索最优高斯混合模型参数。从而避免传统EM算法陷入局部最优的缺点。说话人辨认实验表明,与EM算法相比,本文方法可以得到更优的模型参数,能有效提高系统的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志强	深圳大学计算机与软件学院	44	332	11.0	16.0
2	周虹	深圳大学计算机与软件学院	7	30	4.0	5.0
3	薛丽萍	深圳大学计算机与软件学院	7	82	4.0	7.0
4	姚应龙	深圳大学计算机与软件学院	1	0	0.0	0.0