說話人識別特征參數(shù)MFCC的提取與分析

周春暉++盧榮++潘姿蓉

摘 要

提取特征參數(shù)在說話人識別系統(tǒng)內(nèi)是非常重要的步驟，說話人語音的很多特有個性信息包含于特征參數(shù)內(nèi)，例如發(fā)聲特征或者語義特征，利用特征提取的方法一方面可以去掉聲音里沒用的冗余信息，剩下有用的體現(xiàn)說話人個性不同的特征信息，特別是可以有效減少計算量、模板數(shù)目以及存儲空間。選用的特征參數(shù)的會直接關(guān)系到整個系統(tǒng)的工作性能，良好的特征參數(shù)需要擁有好的穩(wěn)定性和好的獨立性，一方面可以不受到外界情況的干擾，不容易為其他的聲音所替代，另一方面，能夠較好的辨別不同說話人，說明說話人之間的差異。

【關(guān)鍵詞】特征參數(shù) 倒譜系數(shù) LPCC MFCC

1 前言

當(dāng)今說話人識別領(lǐng)域使用的特征參數(shù)有多種，它們各具特點，能夠用于各種不一樣的場合，其中應(yīng)用較為廣泛的具有代表性的特征參數(shù)是：基音頻率、線性預(yù)測系數(shù)（LPC）、線性預(yù)測倒譜系數(shù)（LPCC）、梅爾倒譜系數(shù)（MFCC）。

2 MFCC的提取與分析

梅爾倒譜系數(shù)（MFCC），MFCC是利用人耳聽覺模型建立的倒譜系數(shù)，人類的聽覺系統(tǒng)可以看成一個非線性系統(tǒng)，它對于不同的頻率信號的靈敏度是不一樣的，一般是對數(shù)型關(guān)系。正是由于Mel倒譜系數(shù)基于人耳感知這種特殊的特性，Mel倒譜系數(shù)在抗噪聲能力以及魯棒性這些方面都比其它特征參數(shù)要優(yōu)秀了很多。

對于不一樣頻率的語音，人耳有不一樣的感知能力，聲音的物理頻率表示單位是梅爾（Mel）。頻率和MFCC系數(shù)的關(guān)系如下式：

其中，f的單位為Hz。參照Zvick的研究所說，臨界帶寬按照頻率不同而改變，在1000Hz以下時，維持線性分布，帶寬在100Hz附近；在1000Hz以上時，表現(xiàn)為對數(shù)增長形式，如圖1所示。

Mel參數(shù)的提取過程：

（1）把之前預(yù)處理過的語音信號，即時域信號做傅里葉變化（DFT）。計算得到線性頻譜x（k），其轉(zhuǎn)換公式為：

（2）把上面的頻譜x（k）通過Mel濾波器組生成Mel頻譜。

（3）接著對Mel頻譜做對數(shù)能量處理，得到對數(shù)頻譜S（m）。圖2所列即為得到的線性能量譜，Mel能量譜和對數(shù)能量譜。

上述第2步驟中提及的Mel頻率濾波器組是在語音的頻譜范圍內(nèi)設(shè)置的若干個帶通濾波器表示濾波器的個數(shù)。f（m）表示濾波器組中的每個濾波器的中心頻率，其傳遞函數(shù)如下所示：

式中Fs表示采樣頻率，N表示窗寬，f1、fh分別代表濾波器的頻率應(yīng)用范圍的最低頻率和最高頻率，N表示窗寬，，為促進結(jié)果對噪聲和譜估計的誤差有更佳的魯棒性，把上面通過Mel濾波器組獲取到的Mel頻譜取對數(shù)。因此經(jīng)過線性頻譜X（k）到對數(shù)頻譜，S（m）的總傳遞函數(shù)是：

最后，將S（m）通過離散余弦變換（DCT）獲得倒譜頻域，即Mel頻譜倒譜系數(shù)（MFCC參數(shù)）：

參考文獻

[1]M.Chetouani，M.Faundez-Zanuy，B.Gas，and JL.Zarader.Investigation onLP-residual representation for speaker identification，Pattern Recognition.2009，3（42）：487-494.

[2]林琳，王樹勛，郭剛.短語音說話人識別新方法的研究.系統(tǒng)仿真學(xué)報， 2007，19（10）：2272-2275.

[3]姚志強.說話人識別中提高GMM性能方法的研究[D].北京：中國科技大學(xué)，2006：9-12.

作者簡介

周春暉，男，浙江省人。碩士研究生學(xué)歷。現(xiàn)為廣東科技學(xué)院講師。

作者單位

廣東科技學(xué)院 廣東省東莞市 523083