基于语音基频的性别识别方法及其改进【荐】.pdfVIP

基于语音基频的性别识别方法及其改进1 张超琼，苗夺谦，岳晓冬 同济大学计算机科学与技术系，嵌入式系统与服务计算教育部重点实验室，上海 (201804) E-mail:zhangchaoqiong1@126.com 摘 要：本文利用语音的基音频率作为特征，采用高斯混合模型(GMM)方法进行语音的性 别识别。识别过程中，通过减少提取特征的语音帧数和降低高斯混合模型的混合阶数来提高 识别速度。同时将由Mel 频率倒谱参数(MFCC)特征和基音频率特征两种方法得到的测试样 本后验概率结合，给出新的计算测试样本后验概率的方法。实验表明依据此后验概率能有效 提高识别的正确率。 关键词：基音频率；高斯混合模型；性别识别；Mel 频率倒谱参数 中图分类号：TP391.42 1. 引言 性别识别是语音信号处理中一个很重要的课题,他与语音识别、说话人识别、语音通信 等都有很大的联系。在语音识别和说话人识别实验中发现，事先知道说话人性别时所得到的 正确识别率要比不知道说话人性别时高。在语音通信中,可以基于性别识别建立性别有关的 语音特征参数提取方案,减少特征参数的维数,减少传输带宽。由此可见性别识别是语音识别 研究中的一个重要问题，具有重要意义。 [1] 基音频率是性别识别最重要的判别依据。他反映了说话人发浊音时的声带振动频率 。 一般而言,男声的基音频率分布范围为0～200Hz,女声的基音频率分布范围为200～500Hz 。因 此,准确而可靠地估计基音周期对于说话人性别识别非常重要。 判断说话人的性别可以采用类似说话人识别的方法，常用的性别识别方法有VQ算法、 HMM算法、支持向量机方法等。鉴于性别识别较说话人识别相对简单，所以本文选用高斯 混合模型(GMM)进行性别识别。 2. 方法分析 2.1 特征提取方法 [2-4] 基音频率提取包括基音频率候选估计和后处理两个必要步骤 。基音频率候选估计法 主要有两类：时域估计法和变换域估计法。常用的时域估计方法有自相关函数法和平均幅度 差函数法等；变换域方法有频域法和倒谱域法等。 本文采用归一化幅度差平方和函数法(sum of magnitude difference square function, SMDSF)[5]来进行基音周期候选估计，并利用viterbi算法进行后处理，快速、准确的提取基音 频率。SMDSF法定义为： L −1 2 D2 (τ) ∑[sw2 (j +τ) −sw1 (j )] (1) j 0 其中：s (j ) s (j )w (j ) ，s (j ) s (j )w (j ) ，τ 0,1,L,L −1。窗函数为： w1 1 w2 2 ⎧1 j 0,1,L,L −1 ⎧1 j 0,1,L,2L −2 w1 (j ) ⎨ 和w2 (j ) ⎨ 0 其他 0 其他 ⎩ ⎩ 对SMDSF归一化是必要的，目标是使其函数取值能评价语音信号非周期性的程度，以 1基金项目：国家自然科学基金项目(No ；2006 年博士学科点专项科研基金(No.20060247039) ；国 家自然基金项目(NO. 607750