基于MFCC与共振峰声纹识别算法研究.docVIP

基于MFCC与共振峰声纹识别算法研究 　　摘要：在声纹识别系统中，由于特征参数MFCC不能实现高效的识别，提出了将MFCC和共振峰相结合的提取方法。并在此基础上引用了一阶差分[Δ]MFCC和二阶差分[ΔΔ]MFCC，进而将MFCC、[Δ]MFCC、[ΔΔ]MFCC和共振峰有机结合起来进行声纹识别实验，说话人模型采用的是高斯混合模型。实验结果表明提取混合特征参数MFCC、[Δ]MFCC、[ΔΔ]MFCC与共振峰进行声纹识别时，识别率大大提高。 　　关键词：MFCC；共振峰；GMM 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）04-0188-03 　　A Voiceprint Recognition Algorithm Based on MFCC and Formants 　　WANG Zheng-chuang 　　（College of Mechanical and Electronic Engineering， Chaohu University， Chaohu 238000，China） 　　Abstract： Because MFCC can’t achieve efficient voiceprint recognition， a feature extraction method by combining MFCC and Formants is proposed. And on the basis cited the [Δ]MFCC and [ΔΔ]MFCC， then MFCC， [Δ]MFCC， [ΔΔ]MFCC and Formants are combined to conduct the voiceprint recognition experiment， the speaker models use the Gaussian Mixture Modeling. The experiment results show that the extraction of mixture parameters MFCC， [Δ]MFCC， [ΔΔ]MFCC and Formants for the voiceprint recognition， the recognition rate improves greatly. 　　Key words： MFCC； formants； GMM 　　1 概述 　　由于声纹和指纹、人脸、DNA一样，是一个人内在的、唯一的特征，通过提取声纹中的特征来进行身份鉴别技术不断地发展起来。目前已广泛应用到银行证券、刑侦反恐、国防安全等各个领域，并发挥着越来越大的作用。 　　声纹识别中最关键的问题之一就是提取有效的特征参数，有效的特征参数可以提高识别率，目前常见的特征参数有基音周期、线性预测系数（LPC）、线谱对参数（LSP）、线性预测倒谱系数（LPCC）、梅尔频率倒谱系数（MFCC）。本文主要介绍MFCC和共振峰的提取算法，并利用高斯混合模型进行声纹识别实验，进而表明MFCC参数与共振峰结合优于单独的特征参数。 　　2 Mel频率倒谱系数 　　MFCC 是根据人的听觉感知机理提出的能反映人的声音特征的参数，因此它没有任何前提假设，且具有良好的识别能力和抗噪声能力。由于人耳所听到的声音的高低与声音的频率并不成正比关系，而用Mel频率尺寸则更符合人耳的听觉特性。Mel频率与实际频率的具体关系可用公式（1）表示： 　　[Mel（f）=2595lg（1+f/700）] （1） 　　图1是MFCC参数的提取框图： 　　 　　图1 MFCC的提取过程 　　MFCC 参数提取过程如下： 　　1）原始语音信号在经过采样量化后需经过预加重处理以提高信号的高频部分的幅度，进而增加语音的高频分辨率，一般通过预加重数字滤波器对其加以滤波，该滤波器的传递函数为： 　　[H（Z）=1-αZ-1] （2） 　　其中，[α]为预加重系数且0.9[α]1.0，这里取[α]=0.97。 　　2）根据语音信号短时平稳的特性，通过分帧操作提取语音短时特性便于建模，通常取帧长30ms，此时帧移10ms。为了平滑信号以减少每帧信号两端的预检测误差，一般采用加窗的方法。本文采用加汉明窗，如下： 　　[W（n）=0.54-0.46cos（2πnN-1）] [（0≤n≤N-1）] （3） 　　3）端点检测是声纹识别中的一个重要环节，有效的端点检测方法不仅可以减少数据的存储量和处理时间，而且可以排除无声段的噪声干扰使声纹识别更为准确。 　　4）原始语音信号s（n）经过采样、量化、预加重、分帧、加窗、端点检测等处理，得到每个语音帧的时域信号x（n）。