基于噪声环境下的MFCC特征提取.pdfVIP

模式识别 中文核心期刊 《微计算机信息》(测控自动化))2008年第24卷第1-，期 旦旦旦生巴旦里竺照里旦旦里巴里旦 文章编号:1008-0570(2008)01-1-0224-03 基于噪声环境下的MFCC特征提取 TheMFCCFeatureExtractionBasedonTheNoisySituation (l.江苏大学;2江苏大学应用物理研究所)吴 斌’，，沈廷根’.2宋雪桦’徐晨华’,2 WUBIN SHENTINGGEN SONGXUEHUA XUSHENGHUA 摘要:在语音识别系统中，如何在含有噪声的语音信号中提取其良好的特征参数是系统的关键问题之一。本文通过采用自适 应滤波来滤除语音信号中的高斯白噪声，然后提取出能够反映人耳对语音感知特性的Mel频率倒谱系数(MFCC)，并用其一 阶差分参数加以改进，最后在实验中我们取得了较好的识别效果。 关键词:Mel频率倒谱系数;差分参数;自适应滤波 中图分类号::TP391 文献标iRQ:A Abstract:lnthespeechrecognitionsystem,howtopickupthecharacteristicparameterofthespeechsignalincludingthenoiseis oneofthekeyproblem.ThispaperremovestheGaussnoisewiththeadaptivealgorithm.ThentheMelFrequencyCepstralCoeffi- cients(MFCC)isextractedandwithitsdifferenceparametertoimprove.Atlastwegetabetterrecognitioneffectintheexperiment. Keywords:MelFrequencyCepstralCoefficients,differentparameter,adaptivealgorithm 引言 未知环境中跟踪时变的输人信号，使输人信号达到最优，因此可 以用来构成自适应的噪声消除器，其基本原理如图2所示:图中 在语音识别系统中，提取反映说话者个性的语音信号特征 s(t)为语音信号，n(t)为未知噪声信号，y(t)为带噪语音信号，r(t)为 参数是系统的关键问题之一。目前，语音识别技术中应用最流 参考噪声输入，r(t)与s(t)无关，而与n(t)相关。该滤波器的实质在 行的特征参数是基于人的声道模型LPCC(LinearPredictive 于实现带噪信号中的噪声估计，并用原始信号y(t)减去估计值 CepstralCoefficients)和听觉机理MFCC(MelFrequencyCepstral r(t)以达到语音增强的目的。图中将输出s(t)看作是r(t)估计y(t) Coefficients)参数，而MFCC参数在低频段具有较高的谱分辨率， 而得到的误差，根据最小均方准则，当E{1.v([)一;(t)IZ}为最小时 对噪声的鲁棒性优于LPCC，因此更适合于语音识别。但是当语 的误差。(t)也就是降噪后的s(t)} 音信号处于噪声环境下时，我们所提取的语音参数就会包含噪 声的特征参数，这就会对后面的识别造成很大的麻烦，有的识 别系统几乎不能工作。所以如何消除噪声对语音特征参数的干 扰，是我们必须解决的问题。特征提取时常用的去噪方法有基 于听觉模型的去噪，线性预测残差去噪等。本文是采用自适应 滤波器来消除语音信号中的高斯白噪声，然后我们再将提取出 来的差分MFCC特征参数通过一个CDHMM模型。实验表明该 方法可以简单有效的滤除语音中的高斯白噪声，而且取得了较 图1MFCC实现流程图 好的识别效果。