菲德勒的LPC问卷
回想一下你自己最难共事的一个同事（同学），他（她）可以是现在和你共事的，也可以是过去与你共事的。
他（她）不一定是你最不喜欢的人，只不过是你在工作中相处最为困难的人，用下面16组形容词来描述他（她），在你认为最准确描述他（她）的等级上打勾。
不要空下任何一组形容词。
算算你的了多少分？
若LPC大于或等于64分人际关系型的领导者
LPC较低（58分以下）任务型的领导者
LPC（58-63分）处于较为理想的位置，但也必须根据具体情境来分析
使用LPC问卷只能对个人的基础领导风格进行评估。
LPC测试问卷测试
⏹设想一个最不能共事的人，此人是你现在的同事或是过去的同
事。
这人不一定是你最不喜欢的人，而是你认为最难共事的人，请描述你对这人的印象。
⏹快乐－8 7 6 5 4 3 2 1－不快乐
⏹友善－8 7 6 5 4 3 2 1－不友善
⏹拒绝－1 2 3 4 5 6 7 8－接纳
⏹有益－8 7 6 5 4 3 2 1－无益
⏹不热情-1 2 3 4 5 6 7 8 －热情
⏹紧张－1 2 3 4 5 6 7 8 －轻松
⏹疏远－1 2 3 4 5 6 7 8 －亲密
⏹冷漠－1 2 3 4 5 6 7 8 －热心
⏹合作－8 7 6 5 4 3 2 1－不合作
⏹助人－8 7 6 5 4 3 2 1－敌意
⏹无聊－1 2 3 4 5 6 7 8 －有趣
⏹好争- 1 2 3 4 5 6 7 8 －融洽
⏹自信－8 7 6 5 4 3 2 1－犹豫
⏹高效－8 7 6 5 4 3 2 1－低效
⏹郁闷－1 2 3 4 5 6 7 8 －开朗
⏹开放－8 7 6 5 4 3 2 1－防备
将以上16项的得分相加
⏹若LPC大于或等于64分人际关系型的领导者
⏹LPC较低（58分以下）工作型的领导者
⏹LPC（58-63分）处于较为理想的位置，但也必须根据具体情境来分析
⏹使用LPC问卷只能对个人的基础领导风格进行评估。
复杂背景下声纹识别系统的研究方法综述作者：房安栋刘军万来源：《电子世界》2013年第02期【摘要】声纹识别是生物特征识别领域的一个重要分支。
它采用语言数据自动地鉴定测试者身份。
本文研究复杂背景下的声纹识别系统的设计与实现，首先，利用正交小波滤波器组来对信号进行预滤波，对语言信号的每个频率段进行细粒度去噪，提取出各频段小波系数，重构出语音信号；其次，在特征提取阶段，利用倒谱法计算出基音周期参数，通过Mel滤波器组将小波系数转换成Mel倒谱系数（MFCC），将得出的两种参数组成一个特征矢量作为声纹特征；最后声纹识别阶段，每一个说话人都由一个GMM表示，计算出特征矢量序列的每个似然函数，找到其中最大的说话人模型，即判定为说话人。
【关键词】声纹识别；小波滤波器组；基音周期；Mel倒谱系数；高斯混合模型1.引言说话人声纹识别可以看作是语音识别的一种。
它和语音识别一样，都是通过对所收到的语音信号进行处理，提取相应的特征或建立相应的模型，然后据此作出判断。
而区别在于它并不注意语言信号中的语义内容，而是希望从语音信号中提取出人的特征。
从这点上说，说话人声纹识别是企求挖掘出包含在语音信号中的个性因数，而语音识别是企求从不同人的词语信号中寻找相同因素。
在处理方法上，说话人声纹识别力图强调不同人之间的差别，而语音识别则力图对不同人说话的差别加以归一化。
世界范围内，声纹识别技术正广泛应用于诸多领域。
截止到去年年初，声纹识别产品的市场占有率为15.8%，仅次于指纹识别和掌形识别。
现有文献中用于说话人识别的特征许多是建立在短时频谱基础上。
它们主要有Mel频率倒谱系数（MFCC），LPC倒谱系数，差值倒谱等。
在声纹识别技术中，目前研究最多的方法有：模板匹配法、概率模型法和人工神经网络法。
Soong等人将矢量量化技术用于与文本无关的说话人是被系统。
Rosenberg等人利用子词单元构成的隐马尔科夫模型（HMM），建立了一个说话人确认系统。
