作为说话人识别特征参量的mfcc的提取过程[1]new

《作为说话人识别特征参量的mfcc的提取过程[1]new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、维普资讯http://www.cqvip.com第32卷第1期电子工曩师Vo1．32No．12006年1月ELECTRONlCENGINEERJan．2oo6作为说话人识别特征参量的MFCC的提取过程丁爱明(河海大学计算机及信息工程学院，江苏省南京市210098)【摘要】说话人识别是人的个体特征识别中的一个重要分支，在实际生活中已得到广泛应用。而人的听觉系统是一个比较理想的说话人识别系统，MFCC(Mel倒谱系数)模拟了人的听觉特性，是符合人听觉特性的语音特征参量，在实际应用中取得了较高的识别率。文中通过一个卷积同态系统简单介绍了语音信号的倒谱分析方法，并通过对Me

2、l频率刻度得到符合人听觉特性的Mel频率等效滤波器组，最后介绍了MFCC求取的一般过程和算法。关键词：说话人识别，倒谱，MFCC，特征提取中图分类号：TN912．3图l所示为一卷积同态系统的模型，该系统的输0引言入卷积信号经过系统变换后输出的是一个处理过的卷说话人识别是根据语音波形中反映说话人生理和积信号。该系统由3个子系统组成，即两个特征子系行为特征的语音参数自动识别说话人身份的技术。它统和一个线性子系统。第1个子系统(也叫正系统)主要包括语音特征提取和特征参量模型建立两个重要将卷积性信号转换为加性信号的运算；第2个子系统的过程。特征提取就是从说话人的语音信号中提

3、取出是一个普通线性系统，满足线性叠加原理，用于对加性表示说话人个性的基本特征，特征参量模型建立就是信号进行线性变换；第3个子系统是第1个子系统的根据提取的特征参量为每个说话人建立使用者的模板逆变换，它将加性信号反变换为卷积性信号。图中符或模型参数参考集。这样，在进行说话人识别时就可号、+分别表示卷积和加法运算。以提取待测语音的特征参量，与模板库进行对比，根据一定的决策方式得出识别结果。目前在说话人识别中，频谱包络特征特别是倒谱特征用得比较多。实验围1卷积同态系统证明，用倒谱特征可以得到比较好的识别性能，而且稳在对语音信号的倒谱分析中只需要正系统和线性定的倒谱系数比较

4、容易提取。MFCC(MelFrequeucy系统的输出，而不需要逆系统的输出，所以这里只简单CepstrumCoefficient，Mel倒谱系数)则是用符合临界介绍正特征系统的运算。正特征系统D[·]首先频率和人耳听觉特性的等效滤波器组来改进倒谱的提对信号(n)进行变换，把卷积运算转换成乘法运取方法，它采用了一种非线性的频率单位(Mel频率)，算，然后用对数运算把乘法运算转换为加法运算，最后以模拟人的听觉系统，是目前较流行的语音特征参量。进行变换的逆变换。因此正系统包括下列运算：1语音信号的倒谱分析X(z)=Z[x(rt)]=X。()·X()X()=InX()=I

5、nXI()+ln2()=语音信号的倒谱分析就是求取语音倒谱特征参数的过程。根据语音信号产生的模型可知，语音信号I()+X2()s(n)就是声门激励信号e(n)和声道冲击响应(n)的(rt)=Z[X()]=Z[X。()+X()]=卷积。而人的声道响应是一种反映说话人个性特征的五1(rt)+2(rt)重要物理量，为了将语音信号的声门激励信息与声道如果设语音信号为(rt)，则通过D·]就可以响应信息分离开来，就必须对语音信号进行解卷，这可将(rt)=1(rt)％2(rt)变换为五(rt)=1(／Z．)+以通过卷积同态系统来实现。语音信号经过一个卷积(rt)。设互。(rt)

6、和(rt)分别是声门激励信号和声同态系统就可以得到语音信号中与声道响应有关的倒道冲击响应，则如果互(rt)与：(rt)处于不同位置并谱系数。且互不交替，那么适当地设计线性系统，便可将五(rt)和：分离开来。收稿日期：2005-ll4)1；修回日期：2005-11-30·5l·维普资讯http://www.cqvip.com·信号处理与显示技术·电字工矗啊2006年1月在同态信号处理系统中．(n)信号所处的离散时的分布特性，如图2所示。取每个三角形的滤波器频域已不同于(乃)所处的离散时域，所以把它称为复倒率带宽内所有信号幅度加权和作为某个带通滤波器的频谱域，简称为复倒

7、谱(ComplexCepstrum)。输出，然后对所有滤波器输出做对数运算，再进一步进在绝大多数数字信号处理中，X(z)、X(z)的收敛行DCT(离散余弦变换)，即得到MFCC。域均包含单位圆，而单位圆上的变换就是傅里叶变换。因此正系统有如下形式：X(e)=rex(17,)]频率X(ej)=In[X(ej)]段的能量(n)：F_-[(e)]如果只考虑X(e)的实部，即对X(e)求模以后再实图2Mel标度三角滤波器组现对数运算，则正系统的算法就变成：X(e)=F[(n)]3MFCC的求取过程C(e)=InI(e)I图3所示是求取MFCC的一般过程。C(n)=F[c