基于EMD技术的语音特征提取方法 .pdfVIP

维普资讯

科技信息０科教前沿ＯＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ２００８年第９期

基于ＥＭＤ技术的语音特征提取方法

牛科明宗容

（云南大学信息学院云南昆明６５００９１）

【摘要】利用软件／ＶｌＡＴＬＡＢ仿真了语音信号的经验模态分解（ＥＭＤ）特性，并与相关文献报导的其他分解方法进行了比较，结果表明：

ＥＭｆｌ￣法能达到更好的说话人识别效果。当不同的人发相同语音时，其频谱特性是不同的，把语音信号进行ＥＭＤ分解后的ＩＭＦ做频谱变换，便

能得到一个特征向量．于是根据特征向量的不同而达到说话人识别的目的。以上实验结果有助于开辟说话人识别的新途径。

【关键词１经验模态分解；特征向量；说话人识别

Ｉ１ｌｅＭｅｔｈｏｄｏｆＳｐｅｅｃｈＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＢａｓｅｄｏｎＥｍｐｉｒｉｃａＭｌｏｄｅＤｅｃｏｍｐｏｓｉｔｉｏｎ

ＮＩＵＫｅｍｉｎｇＺＯＮＧＲｏｎｇ

（ＳｃｈｏｏＩｏｆＩｎｆｏｒｍａｔｉｏｎ，ＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｋｎｎｍｉｎｇ，Ｙｕｎｎａｎ，６５ＯＯ９１）

【Ａｂｓｔｒａｃｔ］ＭＡＴＬＡＢｉｓｕｓｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｓｐｅｅｃｈｓｉｇｎａｌｕｓｉｎｇｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＥＭＤ），ｗｈｉｌｅｃｏｍｐａｒｅｄｗｉｔｈ

ｏｔｈｅｒｍｅｔｈｏｄ８．Ｗｅｆｉｎｄｔｈａｔ：ＥＭＤｈａｓａｂｅｔｔｅｒｅｆｆｅｃｔｉｎｓｐｅａｋｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ、Ｗｈｅｎｄｉｆｅｒｅｎｔｐｅｏｐｌｅｓａｙｔｈｅｓａｍｅｗｏｒｄｓ，ｔｈｅｉｒｓｐｅｅｃｈｓｉｎｇａｌｈａｓｔｈｅ

ｄｉｆｅｒｅｎｔｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｆｒｅｑｕｅｎｃｙ．ＳＯｗｅｏｂｔａｉｎａｎｅｉｇｅｎｖｅｃｔｏｒｂｙｔｒａｎｓｆｏｒｍｉｎｇｔｈｅＩＭＦｏｆｓｐｅｅｃｈｓｉｎｇａｌ，ａｎｄｏｂｔａｉｎａｎｅｗｍｅｔｈｏｄｏｆｓｐｅａｋｅｒ

ｉｄｅｎｔｉｆｉｃａｔｉｏｎｕｓｉｎｇＥＭＤ、Ｔｈｅｒｅｓｕｌｔｉｓｈｅｌｐｆｕｆｌｏｒｆｉｎｄｉｎｇｎｅｗｍｅｔｈｏｄｏｆｓｐｅａｋｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎ．

【Ｋｅｙｗｏｒｄｓ］ＥＭＤ；ｅｉｇｅｎｖｅｃｔｏｒ；ｓｐｅａｋｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎ

１．引言ａ．整个数据序列的极大值与极小值数目之和与过零点数目相等或最

说话人识别是语音信号处理的一个重要分支。长期以来，人们都多相差一个：

是通过对语音信号特征的提取来获得表征不同说话人的识别参数”】，ｂ、在任意时刻上，由它的局部极大值和局部极小值构成的上下包

而对语音信号特征的提取都是采用短时处理技术，这是因为语音信号络均值为零。

是一个非平稳过程．其特性是随着时间而变化的，并且是渐变的２［１。基