基于压缩感知的鲁棒性说话人识别参数研究.pdfVIP

第26卷 第3期 计算机技术与发展 Vol.26 No.3 2016年3月 COMPUTERTECHNOLOGYANDDEVELOPMENT Mar. 2016 于压缩感知的鲁棒性说话人识别参数研究 于 云,周伟栋 (南京邮电大学通信与信息工程学院,江苏南京 210003) 摘 要:奈奎斯特采样下的说话人识别,当为了确保高的识别率而采集较长时间说话人语音时,采样数据量特别大,其中 有许多冗余造成了采样资源的浪费,压缩感知理论可以很好地解决此问题。 基于压缩感知理论,文中利用行阶梯观测矩 阵对信号进行投影,研究了压缩比与识别率的关系,在压缩比为1:2时,保证识别率的同时,使得采样数据量减少为原来的 一半。 在有噪环境下,将谱减法运用到压缩感知和特征提取过程中,在无需重构时域信号的前提下,直接从已估计的干净 语音功率谱中提取具有鲁棒性的特征参数CS-SSMFCC(CompressedSensingSpectralSubtractionMelFrequencyCepstralCo- efficient)。 实验结果表明,与传统的识别参数MFCC(MelFrequencyCepstralCoefficient)相比,CS-SSMFCC可以有效地提高 系统的鲁棒性,具有很好的抗噪性能。 关键词:压缩感知;谱减法;特征参数;鲁棒性 中图分类号:TN912.3 文献标识码:A 文章编号:1673-629X(2016)03-0018-05 doi:10.3969/j.issn. 1673-629X.2016.03.005 ResearchonRobustSpeakerRecognitionParametersBased onCompressedSensing YUYun,ZHOUWei-dong (CollegeofCommunicationandInformationEngineering,NanjingUniversityofPosts andTelecommunications,Nanjing210003,China) Abstract:SpeakerrecognitionunderNyquistsamplinghasgotalargeamountofdatainordertoensureahighrecognitionrate,resulting inawasteofsamplingresources,andcompressivesensingtheorycansolvethisproblem.Basedoncompressedsensingtheory,itmakes useofladderobservationmatrixprojectioninthispaper.Whenthecompressionratiois 1:2,thesystemensurestherecognitionrate,so thatthesampledataisreducedtohalf.Undernoisyenvironment,spectralsubtractionisappliedincompressedsensingandfeatureextrac- tion,andfeatureparametersareextracteddirectlyfromestimatedcleanspeechpowerspectrumCS-SSMFCC (CompressedSensingSpec- tralSubtractionMelFrequencyCepstralCoefficient).Experimentalresultsshowthatco