语谱图能够反映语音信号的时频信息,它包含语音信号比较完整的信息。自从语谱图出现以来,就一直有人对语谱图进行研究,也出现了一些成果,但成效不是十分理想。脉冲耦合神经网络(PCNN)是上世纪90年代,Eckhorn等人通过对哺乳动物的视觉皮层进行研究,得到的一个模拟哺乳动物视觉皮层发放脉冲(也叫点火)现象的神经网络。PCNN面世以来,一直被用于图像处理中,本文提出了一种由PCNN和行程编码结合的图像压缩方法是PCNN在图像处理的一个例子。而语谱图是语音信号的图像表示,所以,把PCNN用来处理语谱图是很合理的。通过语谱图就可以把图像处理的方法用到语音处理中来。一直以来,用PCNN从语谱图中提取特征,是把语谱图输入到PCNN,迭代50次,把每一代的总点火次数组成的矢量作为特征。但这样得到的特征只能反映语谱图的一部分信息,而不能完整地反映语谱图包含的信息。本文提出一种用PCNN从语谱图中提取特征的新方法,使得新特征能比较完整地包含语谱图的信息。本文主要做了以下工作:1.介绍了脉冲耦合神经网络(PCNN)及其简化模型的结构原理,说明使用PCNN要确定的参数。2.提出一种由PCNN和行程编码结合的图像压缩算法,说明PCNN在图像处理中的应用。3.用PCNN从语谱图中提取50维的矢量特征,用于说话人确认和闭集的说话人辨认,进行实验并分析实验结果。4.用遗传算法来选择PCNN的参数。5.分析PCNN各时刻的点火位置图,提出一种从各时刻的点火位置图中提取特征的新方法,并把用新方法得到的新特征用于说话人确认和闭集的说话人辨认中,取得较好的实验结果。