实验三语音信号的特征提取最终实验报告 .pdfVIP

实验三语音信号的特征提取

一、实验目的

1、熟练运用MATLAB软件进行语音信号实验。

2、熟悉短时分析原理、MFCC、LPC的原理。

3、学习运用MATLAB编程进行MFCC、LPC的提取。

4、学会利用短时分析原理提取MFCC、LPC特征序列。

二、实验仪器设备及软件

HPD538、MATLAB

三、实验原理

1、MFCC

语音识别和说话人识别中，常用的语音特征是基于Mel频率的倒谱系数（即MFCC）。

MFCC参数是将人耳的听觉感知特性和语音的产生机制相结合。

Mel频率可以用如下公式表示：

f2595log(1f/700)

Mel

在实际应用中，MFCC倒谱系数计算过程如下;

①将信号进行分帧，预加重和加汉明窗处理，然后进行短时傅里叶变换并得到其频谱。

②求出频谱平方，即能量谱，并用M个Mel带通滤波器进行滤波；由于每一个频带中

分量的作用在人耳中是叠加的。因此将每个滤波器频带内的能量进行叠加，这时第k

个滤波器输出功率谱。

x(k)

③将每个滤波器的输出取对数，得到相应频带的对数功率谱；并进行反离散余弦变换，

得到L个MFCC系数，一般L取12~16个左右。MFCC系数为

M

，n=1,2,...,L

Cnlogx(k)cos[(k0.5)n/M]

k1

④将这种直接得到的MFCC特征作为静态特征，再将这种静态特征做一阶和二阶差分，

得到相应的动态特征。

2、LPC

由于频率响应H(ejw)反映声道的频率响应和被分析信号的谱包络，因此用

jw做反傅里叶变换求出的LPC倒谱系数。

log|H(e)|

p

i

通过线性预测分析得到的合成滤波器的系统函数为H(z)1/(1az)，其冲激响

i

i1



^^^^^

n

应为h(n)。h(n)的倒谱为h(n)，H(z)h(n)z就是说H(z)的逆变换h(n)是存在的。

n1



^