基于Mel頻率倒譜系數(shù)的說話人識別研究

朱宇軒

(西華大學(xué)，四川 成都 610039)

?

基于Mel頻率倒譜系數(shù)的說話人識別研究

朱宇軒

(西華大學(xué)，四川 成都 610039)

摘要：由于人耳對聲音頻率的感知不是線性的，通過短時傅里葉變化得到的語音信號短時譜是按實(shí)際語音頻率分布的，但符合人耳聽覺特性的頻率分布是按照臨界頻帶分布的。因此按實(shí)際頻率分布的頻譜作為語音特征時，由于它不符合人耳的聽覺特性，將會降低說話人識別系統(tǒng)的識別性能。

關(guān)鍵詞：頻率倒譜；語音特征

1Mel頻率倒譜系數(shù)(MFCC)

MFCC是在頻譜上采用濾波器組的方法計算出來的，將語音頻率劃分成一系列的三角形濾波器序列,這組濾波器在頻率的坐標(biāo)上是等寬的。這是因?yàn)槿祟愒趯?000Hz以下的聲音頻率范圍的感知遵循近似線性的關(guān)系;對1000Hz以上的語音頻率范圍的感知不遵循線性關(guān)系，而是遵循在對數(shù)頻率坐標(biāo)上的近似線性關(guān)系。

Mel頻率倒譜系數(shù)(MFCC)是使用傅立葉分析提取的語音特征參數(shù)，是類似于指數(shù)的形式，Mel頻率可以用如下公式表示：

Mel(f)=2595lg(1+f/700)

(1)

式中：f是以Hz為單位的實(shí)際頻率。對頻率軸的不均勻劃分是MFCC特征區(qū)別于普通倒譜特征的最重要的特點(diǎn)。語音頻率與Mel頻率的對應(yīng)關(guān)系如圖1所示。

2頻率倒譜系數(shù)計算

根據(jù)Zwicker的工作，Mel頻率的增長是與臨界帶寬的變化保持一致的，以Mel為單位的頻率刻度劃分與臨界帶寬在細(xì)節(jié)上并不精確相等，但這個差別是很小的。

(1)將信號進(jìn)行分幀，預(yù)加重和加漢明窗處理，然后進(jìn)行短時傅里葉變換并得到其頻譜。

(2)求出頻譜平方，即能量譜，并用M個Mel帶通濾波器進(jìn)行濾波；由于每一個頻帶中分量的作用在人耳中是疊加的，因此將每個濾波器頻帶內(nèi)的能量進(jìn)行疊加，這時第k個濾波器的輸出功率譜x′(k)。

(3)將每個濾波器的輸出取對數(shù)，得到相應(yīng)頻帶的對數(shù)功率譜；并進(jìn)行反離散余弦變換，得到L個MFCC系數(shù)，一般L取12～16個左右。得到MFCC系數(shù)為

(2)

它將頻譜轉(zhuǎn)化為基于頻率的非線性頻譜，然而轉(zhuǎn)換到頻譜域上，由于充分考慮了人耳的聽覺特性，在一定程度上模擬了人耳對語音的處理特點(diǎn)，而且沒有任何提前假設(shè)，MFCC 參數(shù)具有良好的識別性能和抗噪能力，在信道噪聲和頻譜失真的情況下具有較好的穩(wěn)健性。但是計算量和計算精度要求較高。

3MFCC中的能量信息和動態(tài)參數(shù)

短時能量是說話人識別中一個重要的參數(shù)，由于短時能量對系統(tǒng)的識別性別有一定的提升作用，因此可以在說話人語音特征中加入能量參數(shù)作為特征向量的一維分量。

假定語音段中長度為N的一幀{si(n),n=1,2,…,N}，計算該幀的短時對數(shù)能量的公式如下：

(3)

為了減小不同語音段不同語音幀的能量差別，使其能夠與前面的倒譜特征系數(shù)一起作為向量計算，需對其進(jìn)行歸一化處理。

(4)

前面計算得到的MFCC倒譜系數(shù)為語音信號的靜態(tài)特征參數(shù)，它只表征了語音譜的即時信息。研究發(fā)現(xiàn)，語音倒譜的動態(tài)信息包含了與說話人有關(guān)的信息，可以將其用于提高說話人識別系統(tǒng)的識別率。

語音信號的倒譜動態(tài)信息表示了語音特征參數(shù)隨時間變化的規(guī)律。語音倒譜特征隨時間的變化規(guī)律可由下式表示：

(5)

4總結(jié)

在實(shí)際的應(yīng)用中窗函數(shù)h(k)一般采用矩形窗，k為常數(shù)，一般取2，這樣的動態(tài)參數(shù)就是當(dāng)前幀的前兩幀和后兩幀的線性結(jié)合。用同樣的方法對一階動態(tài)參數(shù)進(jìn)行計算就得到了二階MFCC參數(shù)。在得到倒譜系數(shù)的動態(tài)信息后，一般的做法是將原始特征與動態(tài)特征參數(shù)結(jié)合，組成高維特征矢量作為訓(xùn)練和識別的一幀語音信號特征參數(shù)。實(shí)驗(yàn)表明，使用MFCC及其一階和二階差分參數(shù)作為特征可顯著提高說話人識別系統(tǒng)的性能，它在一定程度上模擬了人耳對語音的處理特點(diǎn)，并具有一定的抗噪性能，進(jìn)一步地表示了說話人語音背后的隱性個性差異。

參考文獻(xiàn)：

[1]徐波.語音識別技術(shù)與應(yīng)用的發(fā)展趨勢.中國計算機(jī)學(xué)會，2008,2:54～57.

[2]李霄寒.基于概率統(tǒng)計模型的說話人確認(rèn)的研究[D].中國科學(xué)技術(shù)大學(xué),2003.

[3]韓紀(jì)慶,張磊,鄭鐵然.語音信號處理[M].北京：清華大學(xué)出版社,2004,10～50.

作者簡介：朱宇軒，男，漢族，四川南充，工人，大學(xué)本科，西華大學(xué)，研究方向：電子、計算機(jī)。

中圖分類號:TN912

文獻(xiàn)標(biāo)志碼：A

文章編號：1671-1602(2016)10-0014-01