《基于多窗频谱估计和平滑幅度谱包络的Mel频率倒谱系数（MFCC）改进算法》.pdfVIP

第 14卷 第 19期 2014年7月 科 学 技 术 与 工 程 Vo1．14 No．19 Ju1．2014 1671～ 1815(2014)19—0253—05 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 基于多窗频谱估计和平滑幅度谱包络的 Mel频率倒谱系数 (MFCC)改进算法 张怡然 白 静 王 力 (太原理工大学信息工程学院，太原030024) 摘 要 语音的特征提取是说话人识别系统 中的关键问题。在传统的Mel频率倒谱系数(MFCC)参数的基础上，提出一种改 进的MFCC特征提取算法。该算法着眼于语音的前端处理，在预处理阶段，利用SWCE窗函数，对信号进行多窗频谱估计。并 对得到的频谱进行平滑处理，得到信号的谱包络。然后对信号的谱包络进行计算，得到改进的MFCC参数。实验表明，在不同 噪声环境下，与传统的MFCC算法相比，改进的算法识别率提高四个百分点以上。 关键词 Me1频率倒谱系数 多窗频谱估计 滑动平均滤波 谱包络 说话人识别 中图法分类号 TN912．3； 文献标志码 A 说话人识别是语音识别的一种，属于语音信号 说话人识别分为两个主要过程，即特征提取和 处理的范畴。它利用说话人的声纹特征进行识别。 模式识别。其中特征提取是说话人识别的关键 问 它先将说话人的语音训练成一个模板，然后从说话 题。目前，在说话人识别系统中最常用的特征参数 人的待测语音中提取说话人的个性特征信息，并对 主要有 Mel频率倒谱系数 (Mel—frequencyceptrum 这些特征信息与训练好的模板进行比较，最终对说 coefficient，MFCC)、线性预测倒谱系数 (1inearpre— 话人的身份做出正确判断。说话人识别的原理框图 dictivecepstrumcoefficient，LPCC)、基因周期、感知 如图1所示。根据识别 目标的不同，说话人识别可 对数面积 比系数 (perceptuallogarearatio，PLAR)… 分为说话人辨认和说话人确认两种。前者是在若干 等。MFCC特征参数更符合人耳的听觉特性，比其他 个参考模板中判别出待识别语音是谁所说。后者是 特征参数具有更优的识别特 ，所以是 目前使用最广 要判定待识别语音是否是所声明的人所说。本文研 的特征参数。模式识别中常用的方法有支持向量机 究的是与文本无关的说话人确认系统。 (supportvectormachine，SVM)、矢量量化方法、隐马 尔可夫模型方法、动态时间规整方法和神经网络等。 1 MFCC参数的提取 1．1 MFCC参数 因为人耳对外来的信号有不同的调节作用，所 以对于不同频率的语音，人耳有不同的感知能力。 在 1000Hz以下，感知能力与频率成线性关系，而 在 1000Hz以上，感知能力则与频率成对数关 图1 说话人识别的原理框图 系 j。所以，人们提出更适合人耳听觉系统的Mel Fig．1 Theblockdiagram ofspeakerrecognition 频率。Mel频率的意义的是：1Mel为 100