Mel频率倒谱系数提取及其在声纹识别中的作用.pdfVIP

第22 卷 第2 期 贵州大学学报（自然科学版） VoI. 22 No. 2 2005 年 5 月 JournaI of Guizhou University （NaturaI Sciences ） May. 2005 文章编号 1000 - 5269（2005 ）02 - 00207 - 04 ＊ Mel 频率倒谱系数提取及其在声纹识别中的作用 张万里，刘 桥 （贵州大学电子科学系，贵州 贵阳 550025 ） 摘 要 从说话人的语音信号中提取出说话人的个性特征是声纹识别的关键。本文介绍了一种 基于HMM 的声纹识别系统，采用能够反映人对语音的感知特性的MeI 频率倒谱系数（MeI-Fre- guency CepstraI Coefficients ，MFCC ）作为特征参数，取得了很好结果。 关键词 声纹识别 ；特征提取 ；MFCC 中图分类号 TN912. 3 文献标识码 A 0 引 言 随着社会的发展，安全问题日趋重要，用生物特征并结合计算机技术进行安全验证是当今的热门课 题，声纹识别技术是生物识别技术的一种，与其它生物识别技术相比，声纹识别具有更为简便、准确、经济 及可扩展性良好等众多优势，可广泛应用于安全验证、控制等方面。 声纹识别是一项根据语音波形中反映说话人生理和行为特征的语音参数，自动识别说话人身份的技 术。它的基本原理是通过分析人的发声和听觉，为每个人构造一个独一无二的数学模型，由计算机对模型 和实际输入的语音进行精确匹配，根据匹配结果辨认出说话人是谁。首先对鉴别对象的声音进行采样，即 输入语音信号，再对采样数据进行滤波等处理，而在声纹识别过程中最主要的两部分内容是特征提取和模 式匹配。特征提取，就是从声音中选取唯一表现说话人身份的有效且稳定可靠的特征；模式匹配就是对训 练和鉴别时的特征模式做相似性匹配。 1 特征提取 语音的特征提取（如图1 所示）本质上是起降维作用，用较少的维数表现了说话人的特征。常用的语 音特征包括Pitch（基音）、Formant（共振峰）、MFCC （MeI 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。本文使用的特征是MFCC 及MFCC 和其一阶差分。 图1 特征提取 Fig. 1 Feature Extraction 特征提取分为预处理（采样/ 量化、预加重处理、加窗）和特征提取。 1. 1 预处理 1. 1. 1 采样/ 量化 为了将原始的模拟语音信号变为数字信号，必须经过采样和量化两个步骤，从而得到时间和幅度上均 为离散的数字语音信号。根据采样定理，当采样频率大于信号的两倍带宽时，采样过程中不会丢失信息， ＊ 收稿日期：2005 - 0 1 - 19 作者简介：张万里 （1977 - ）女，硕士研究生，研究方向：声纹识别。 刘 桥 （1954 - ）男，教授，研究方向：混合集成电路设计、电路与系统、纳米材料以及大功率半导体器件。 ·208 · 贵州大学学报（自然科学版） 第22 卷 且从采样信号中可以精确地重构原始信号波形。在实际语音信号处理过程中，为了使系统得到更高的识