[发明专利]应用于基于矢量量化的说话人识别的三粒子协同优化方法

摘要

本发明涉及一种应用于说话人识别的三粒子协同优化方法，是矢量量化说话人码本模型优化设计方法，包括：初始群体为6个粒子分成2个子群，每个粒子代表一个码本，每个子群由三个粒子组成命名为三粒子，2个三粒子分别采用不同的粒子更新参数，以实现全局探索和局部搜索。在每次迭代中粒子执行PSO的速度和位置更新以及迭代次数为3的LBG算法操作。每当达到混合更新次数时，将粒子混合并划分新的三粒子，实现全局信息交换和协同进化。当满足初始群体的最大迭代次数时，从2个三粒子中选出2个粒子继续进行搜索直至达到精英粒子的最大迭代次数，最优者作为说话人码本模型。本发明较好地解决了初始码本影响优化结果问题，对短语音说话人识别性能改善明显。

主权项

一种应用于基于矢量量化的说话人识别的三粒子协同优化方法，包括对说话人语音信号进行预处理和特征提取，建立说话人码本模型以及识别说话人，其特征在于，所述建立说话人码本模型的步骤包括：A，设置初始群体最大迭代次数、三粒子混合更新次数以及精英粒子最大迭代次数，初始群体规模为6个粒子，每个粒子代表一个码本，按混合蛙跳算法的划分规则分成2个子群，每个子群由三个粒子组成命名为三粒子，2个三粒子分别采用不同的粒子更新参数，以实现1个三粒子具有良好的全局探索能力，另1个三粒子在每一个局部能够找到最好解；B，在每次迭代中对所述三粒子的每一粒子执行PSO算法的速度更新和位置更新操作，以及执行迭代次数为3的LBG算法的混合更新操作；C，所述初始群体的2个三粒子在解空间同时进行大范围的全局探测和小范围的局部精细搜索，每当达到三粒子混合更新次数时，采用混合蛙跳算法的子群体划分规则和混合策略，并将所述2个三粒子混合并排名划分为新的2个三粒子，实现2个三粒子间的全局信息交换和协同进化；D，当满足初始群体的最大迭代次数时，分别从2个三粒子中选出的2个精英粒子继续进行速度更新和位置更新操作，直至达到精英粒子的最大迭代次数，最优者作为说话人码本模型。