ty -jour a2 -alzahrani，穆罕默德Yahya au -Al -Hassani，Raghad Tariq au -atilla -atilla，dogu cagdas au- aydin -aydin，ÇağatayPy -2021 DA -2021/2021/05/20 TI-开发高准确性的说话者认可系统的发展SP -5559616 VL -2021 AB-语音信号充满了许多用于生物识别的功能，以及其他应用，例如性别和情感识别。背景噪声和混响所表现出的渠道条件是导致测试和训练数据中特征变化的主要挑战。在本文中，制定了一致的语音特征和高识别精度的混合说话者识别模型。通过合并语音时间域分析的音高系数，使用MEL频谱系数（MFCC）的功能已得到改善。为了增强噪声免疫力，我们提出了一个通过优化的粒子群优化（OPSO）算法调节的单个隐藏层进料前馈神经网络（FFNN）。在不同水平的自适应白色高斯噪声（AWGN）（0-50 dB）上，使用10倍交叉验证（0-50 dB）测试了所提出的模型。在干净的语音环境中，从建议的模型中获得了97.83％的识别精度。但是，与其他基线分类器（如普通粉丝，随机森林（RF）， k - 最近的邻居（KNN），并支持向量机（SVM）。SN -1176-2322 UR -https：//doi.org/10.1155/2021/5559616 do -10.1155/2021/5559616 JF-施加的生物学和生物力学