共振峰瞬时频率特征用于说话人识别.pdfVIP

共振峰瞬时频率特征用于说话人识别 侯丽敏、谢娟敏 摘要：本文提出了一种新的共振峰瞬时特 识别而言，共振峰频率的精确值无疑是一个 征(formant instantaneous characteristics ，FIC) 有利信息。 的提取方法并用于说话人识别。Hilbert- 本文提出一种利用Hilber-Huang 变换提 Huang 变换(HHT)是分析非平稳信号的有力 取共振峰精细特征的方法，将其用于基于 工具，利用 HHT 分析语音信号共振峰处的 GMM 的说话人识别系统中。应用语音的调 [5] 时变信息，提取FIC 参数。由于共振峰瞬 幅 和 调 频 AM-FM 模 型 ， 时频率反映了说话人的声道个性特点及声 t s (t) a(t) cos(t) a(t) cos[2 f ()d] ，  道与声门作用的结果，与传统的方法比 0 较，本文提出的方法可以更准确地描述共 用 Hilbert 变换(HT)[6] 或希尔伯特黄变换 振峰瞬时频率。本文的 FIC 与 MFCC 构成 (HHT)[7] ，得到其瞬时频率和瞬时幅度。兼 组合参数，应用在基于高斯混合模型 顾共振峰包含大量语音信息的考虑，我们提 (GMM)的说话人识别系统中进行实验，正 取的信息主要为前三个共振峰处的瞬时信息 确识别率可提高 11.96%。实验结果说明共 [8]，经过不同的参数抽取方法，得到不同 振峰的瞬时频率对语音信号的幅度频谱有 种类的共振峰参数，统称其为共振峰瞬时特 征 (Formant Instantaneous Characteristics, 补偿作用。 FIC) 。结果表明：整体上FIC 是有效的说话 关键词: 说话人识别 共振峰 瞬时频率 人识别参数。FIC 的加入对用于说话人识别 的 MFCC 来言，从相位角度起到了补偿作 1. 引言 用，提高识别率可以达到11.96%。 说话人识别是研究语音信号包含说话人 信息的语音研究重要分支，在过去的几十年 2. 共振峰频率和带宽的调制 里，学者们对它进行了深入的研究。研究表 根据对语音 AM-FM 模型的研究，得 明 Mel 倒谱系数(Mel-frequency Cepstral Coefficient，MFCC)[1,2]对说话人识别来言是 知：语音中不仅存在共振峰频率的调制，也 存在共振峰带宽的调制。这里，通过气流通 一种性能较好的特征参数。它是一种在与人