论文部分内容阅读
由于说话人的语音信号具有时变性、随机性。其特征参数也呈现出高维及相邻帧变化较大等特点。从量子信息处理理论出发，将一帧语音信号视为一个量子态。在传统神经网络的基础上，利用量子逻辑线路构造神经网络，实现说话人语音信号的有效聚类。探索一种基于量子逻辑线路神经网络的说话人识别模型与方法。利用模型固有的大量全局吸引子。可有效降低语音信号处理的时间及复杂度。通过在经典计算机上模拟仿真，并与BP神经网络说话人识别模型进行对比。表明该方法能够加快说话人识别模型的收敛速率，对参数变化具有更好的鲁棒性，且其系统识别率比BP神