二次特征提取及其在说话人识别中的应用.pdfVIP

维普资讯 第 8卷 第2期 电路与系统学报 Vd．8 No．2 2003年 4月 JOURNALoFCIRCUrrSAND SYSTEM S April，2003 文章编号 ：1007—0249(2003)02．0130．04 二次特征提取及其在说话人识别中的应用 ‘ 马志友， 杨莹春， 吴朝晖 (浙江大学 玉泉校 区计算机系统工程研究所，浙江 杭州 3loo27) 擒■t传统的特征提取方法在处理小范围的说话人识别时尚可为之，但是在较大用户群的情况下，由于特征覆 盖范围不够 导致性能下降。鉴于此，本文提 出了一种新 的二次特征提取方法，它通过综合运用加权、微分 、组合 、 筛选等方法，进一步挖掘说话人语音背后的隐性个性差异 。在采用 138人的 YOHO数据库上进行 的说话人识别测试 中，其性能优于传统的特征提取方法 。 关■词t发音机理；说话人识别；特征提取；二次特征提取；MFCC：LPCC 中■分类号tTN912．34 文献标识码tA 1 引言 说话人的语音信号实质上是一种声波 ，质量守恒、动量守恒及能量守恒等基本定律 以及热力学、 流体力学等物理学定律是描述声道中声音产生和传播的基础。应用这些物理原理，将得到一组极其复 杂的偏微分方程…，描述发音系统中空气 (可压缩的低粘滞的流体)的运动。然而，为了对语音信号 进行有效的数字处理，必须构造一个适合于处理的简化模型。为此有必要对声道形状和发音系统的能 量作一些假设，前提是不影响语音信号的本质特性 在模拟人体语音信号产生的数字模型中，声门脉 冲模型、声道模型、辐射模型都是线性时变系统，所 以可 以得到发音系统的系统函数 H(z)(转移函 数)，如公式 (1)所示： ． H(z)=G(z) (z)R(z)=GI(1一 z ) (1) k=l 说话人识别是从说话人所发 出的语音中提取 出说话人是谁的信息并加 以自动判别的识别过程 [31【1 。 其中 “从说话人所发出的语音中提取出说话人是谁的信息”即为特征提取过程 。为此 ，说话人 识别的特征提取过程需从各个说话人的发音中找出说话人之间的个性差异，它涉及到说话人发音器官 上的个性差异、发音声道之间的个性差异、发音习惯之间的个性差异等不同级别上的差异。 2 特征提取 语音的特征提取 (如 图 1所示)本质上 是起到了降维作用，用较少的维度表现 了时域 上的语音信号。在特征提取前首先根据语音信 图1 特征提取 号的时域与频域特性，选择适合于表征语音的特征向量，常用的语音特征包括 Pitch(基音)、Formant (共振峰)、MFCC (Mel频率倒谱系数)、LPCC (线性预测倒谱系数)以及 LSP(线谱对系数)等等。 其中LPCC与 LSP属于 LPC的推演参数，LSP以其 良好的量化特性和插值特性而在声码器中得到广 泛应用 J。本文使用的特征为MFCC与LPCC。 特征提取分为预处理 (采样 ／量化、数字滤波、预加重处理、加窗)和特征提取 (包括倒谱)。预 处理结果是将连续的语音信号切割成一个个语音帧序列，而特征提取 (倒谱)部分负责计算各帧的特 征向量，形成特征向量序列。对于 LPCC，通常是先提取 LPC，然后求其倒谱。而对于 MFCC，倒谱 收稿 日期 。2002-09-16 修订 日期t2003-O1-06 基金硬 目。国家 自然科学基金资助项 目；国家 863计划基金资助项 目(2001AA4180)；浙江省教育厅基金资助项 目 浙江省 自科基金青年科技人才培养专项基金资助项 目 (RC01058)~博士点基金资助项 目 (20020335025)