有效频带多分辨率特征提取及说话人年龄识别-信号处理.PDF

第３２卷　第９期 信 号 处 理 Ｖｏｌ．３２　Ｎｏ．９ ２０１６年９月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｓｅｐ．２０１６ 文章编号：１００３－０５３０（２０１６）０９－１１０１－０７ 有效频带多分辨率特征提取及说话人年龄识别 杜先娜　俞一彪 （苏州大学电子信息学院，江苏苏州２１５００６） 摘　要：针对文本无关非特定说话人年龄识别，本文提出了一种基于有效频带多分辨率特征的统计分析识别方 法。输入语音，通过小波包变换进行有效频带分解，然后将各有效频带的小波包系数连接构成一个整体计算美 尔频率倒谱系数，得到有效频带多分辨率特征参数ＷＰＭＦＣ（ＷａｖｅｌｅｔＰａｃｋｅｔＭｅｌＦｒｅｑｕｅｎｃｙＣｅｐｓｔｒｕｍ），说话人按 年龄划分为儿童、青年、中年和老年四个阶段，并进一步按性别训练各年龄段语音得到８个高斯混合模型。测 试语音依据最大似然准则进行识别判决。实验对本文提出的方法与传统的短时谱统计分析方法进行了比较，结 果显示本文提出的方法有较好的识别性能，集内平均识别率达到６５１７ 。同时，实验结果也说明相对语音文本 变化的影响，不同说话人发音特征的变化对识别性能的影响更大。 关键词：说话人年龄识别；有效频带；多分辨率特征；小波包变换 中图分类号：ＴＮ９１２．３４　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１６．０９．１３ ＭｕｌｔｉＲｅｓｏｌｕｔｉｏｎＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎｏｆＥｆｆｅｃｔｉｖｅＦｒｅｑｕｅｎｃｙ ＢａｎｄｓｆｏｒＡｇｅＲｅｃｏｇｎｉｔｉｏｎ ＤＵＸｉａｎｎａ　ＹＵＹｉｂｉａｏ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｏｃｈｏｗＵｎｉｖｅｒｓｉｔｙ，Ｓｕｚｈｏｕ，Ｊｉａｎｇｓｕ２１５００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒｓｐｅａｋｅｒａｎｄｔｅｘｔｉｎｄｅｐｅｎｄｅｎｔａｇｅｒｅｃｏｇｎｉｔｉｏｎ，ａｎｅｗｍｕｌｔｉｒｅｓｏｌｕｔｉｏｎｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｏ ｐｏｓｅｄ．Ｔｈｅｉｎｐｕｔｓｐｅｅｃｈｉｓｄｅｃｏｍｐｏｓｅｄｂｙｗａｖｅｌｅｔｐａｃｋｅｔｔｒａｎｓｆｏｒｍ，ａｎｄｔｈｅｎｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｃｏｅｆｆｉｃｉｅｎｔｓｏｆｅａｃｈｅｆｆｅｃ ｔｉｖｅｆｒｅｑｕｅｎｃｙｂａｎｄａｒｅｃｏｎｎｅｃｔｅｄｔｏｆｏｒｍａｉｎｔｅｒｍｅｄｉａｔｅｓｉｇｎａｌｆｏｒｆｕｒｔｈｅｒｃａｌｃｕｌａｔｉｎｇｏｆｉｔｓＭｅｌｆｒｅｑｕｅｎｃｙｃｅｐｓｔｒｕｍｃｏｅｆｆｉ ｃｉｅｎｔｓｗｈｉｃｈｉｓｃａｌｌｅｄＷａｖｅｌｅｔＰａｃｋｅｔＭｅｌＦｒｅｑｕｅｎｃｙＣｅｐｓｔｒｕｍＣｏｅｆｆｉｃｉｅｎｔ（ＷＰＭＦＣ）．Ｔｈｅｓｐｅａｋｅｒａｇｅｉｓｄｉｖｉｄｅｄｉｎｔｏ ｆｏｕｒａｇｅｇｒｏｕｐｓｓｕｃｈａｓｃｈｉｌｄｒｅｎ，ｙｏｕｔｈｓ，ａｄｕｌｔａｎｄｏｌｄｅｒ，ａｎｄｔｏｔａｌｌｙｅｉｇｈｔＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｓａｒｅｔｒａｉｎｅｄｆｏｒｅａｃｈ ａｇｅｇｒｏｕｐａｎｄｇｅｎｄｅｒ．Ｔｅｓｔｉｎｇｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｄｅｃｉｓｉｏｎｉｓｂａｓｅｄｏｎｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄｃｒｉｔｅｒｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉ ｍｅｎｔａｌｐｒｏｖｅｔｈａｔｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆａｇｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｐｒｏｐｏｓｅｄｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｓｕｃｃｅｓｓｆｕｌｃｏｍｐａｒｅｄ ｗｉｔｈｔｒａｄｉｔｉｏｎａｌｓｈｏｒｔｔｉｍｅｓｐｅｃｔｒａｌｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｓ，ｔｈｅａｖｅｒａｇｅｒｅｃｏｇｎｉｔｉｏｎｒａｔ