第36卷第2期2023年2月传感技术学报CHINESEJOUＲNALOFSENSOＲSANDACTUATOＲSVol.36No.2Feb．2023项目来源:教育部“科教融创”职业教育改革创新课题(HBKC217107);黑龙江省教育厅基本科研业务专项(145209804)收稿日期:2022－03－21修改日期:2022－04－25ＲesearchonSMO-SVMSpeakerＲecognitionBasedonPCA-VQFusionDimensionalityＲeduction*XIQingyun1，3，SUNTongri2，TAOBairui3*，YANGWenbo3，MIAOFengjuan3(1．XingAnLeagueBranch，InnerMongoliaＲadioandTelevisionUniversity，XingAnLeague，InnerMongolia137400，China;2．ComputerScienceandInformationEngineering，HeiheUniversity，HeiheHeilongjiang164300，China;3．CollegeofCommunicationsandElectronicsEngineering，QiqiharUniversity，QiqiharHeilongjiang161006，China)Abstract:AimingattheproblemoflowcomputationalefficiencyandinstabilityofthemodelcausedbyhighdimensionoftheoriginalMelFrequencyCepstrumCoefficient(MFCC)characteristicparametersofspeaker’sspeech，thedualproblemofthebasicformofSupportVectorMachine(SVM)issolvedbasedonSequenceMinimumOptimization(SMO)efficientalgorithm，andSMO-SVMspeakerrecognitionalgorithmwithprincipalcomponentanalysis-vectorquantization(PCA-VQ)fusiondimensionalityreductionisdeveloped．TheimprovedalgorithmissimulatedontheMATLABplatform．ThesimulationresultsshowthatafteroptimizingtheMFCCfeatureparametersandreducingthedimensionthroughthePCA-VQfusionalgorithm，theaccuracyofSMO-SVMspeakerrecognitionmodelisimprovedby3．77%andthetrainingtimeissavedby1．24s，whichhasgoodpopularizationandapplicationvalue．Keywords:speakerrecognition;PCA;VQ;SMO;SVMEEACC:6130Edoi:10．3969/j．issn．1004－1699．2023．02．015PCA-VQ融合降维的SMO-SVM说话人识别研究*席青云1，3，孙同日2，陶佰睿3*，杨文博3，苗凤娟3(1．内蒙古广播电视大学兴安盟分校，内蒙古兴安盟137400;2．黑河学院计算机与信息工程学院，黑龙江黑河164300;3．齐齐哈尔大学通信与电子工程学院，黑龙江齐齐哈尔161006)摘要:针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题，基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题，开展主成分分析－矢量量化((PCA-VQ)...
