Mel频率倒谱系数提取及其在声纹识别中的作用

从说话人的语音信号中提取出说话人的个性特征是声纹识别的关键。本文介绍了一种 基于HMM的声纹识别系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(Me1.Fre. quency Cepstral Coefficients,MFCC)作为特征参数,取得了很好结果。

第 2卷第 2期 220 0 5年 5月

贵州大学学报(自然科学版)Jun l f uz o nvri N trl ce cs o ra o i uU i st G h e y( a a in e ) u S

Vo _ 2 . 2 l 2 No

Ma .2 0 y 05

●

文章编号

10 5 6 ( 0 5 0 0 0— 2 9 2 0 ) 2—0 2 7—0 00 4

Me频率倒谱系数提取及其在声纹识别中的作用 l张万里，刘桥(贵州大学电子科学系，贵州贵阳 502 ) 505

摘

要

从说话人的语音信号中提取出说话人的个性特征是声纹识别的关键。本文介绍了一种

基于 H M的声纹识别系统，用能够反映人对语音的感知特性的 M l M采 e频率倒谱系数 ( 1 r. Me Fe .

qec esa Ceiet, F C作为特征参数， unyCptl ofc n M C ) r i s取得了很好结果。 关键词声纹识别；特征提取； F C M C中图分类号 T 923 N 1、文献标识码 A

0引言 随着社会的发展，安全问题日趋重要，生物特征并结合计算机技术进行安全验证是当今的热门课用

题，纹识别技术是生物识别技术的一种，声与其它生物识别技术相比，声纹识别具有更为简便、准确、济经及可扩展性良好等众多优势，可广泛应用于安全验证、控制等方面。 声纹识别是一项根据语音波形中反映说话人生理和行为特征的语音参数，自动识别说话人身份的技术。它的基本原理是通过分析人的发声和听觉，为每个人构造一个独一无二的数学模型，由计算机对模型

和实际输入的语音进行精确匹配，根据匹配结果辨认出说话人是谁。首先对鉴别对象的声音进行采样，即输入语音信号，再对采样数据进行滤波等处理，在声纹识别过程中最主要的两部分内容是特征提取和模而式匹配。特征提取，就是从声音中选取唯一表现说话人身份的有效且稳定可靠的特征；式匹配就是对训模练和鉴别时的特征模式做相似性匹配。

1特征提取 语音的特征提取 (如图 1所示 )本质上是起降维作用，较少的维数表现了说话人的特征。常用的语用音特征包括 Pt ( i h基音 ) Fr at共振峰 ) MF C( e频率倒谱系数 ) L C线性预测倒谱系数 ) c、om n(、 C Ml、 P C(以及 r P线谱对系数 )

3(等等。本文使用的特征是 M C F C及 M C F C和其一阶差分。

图 1特征提取Fi . F a u e Ex r t n g1 e t r tac o i

特征提取分为预处理 (采样/量化、预加重处理、加窗 )和特征提取。1 1预处理 .

1 1 1采样/ ..量化

为了将原始的模拟语音信号变为数字信号，必须经过采样和量化两个步骤，从而得到时间和幅度上均为离散的数字语音信号。根据采样定理，当采样频率大于信号的两倍带宽时，采样过程中不会丢失信息，

睾收稿日期： 0 0— 9 2 5— 1 1 0作者简介：张万里 (97一)女，士研究生， 17硕研究方向：声纹识别。 刘桥 (94一)男， 15教授，研究方向：混合集成电路设计、电路与系统、纳米材料以及大功率半导体器件。

从说话人的语音信号中提取出说话人的个性特征是声纹识别的关键。本文介绍了一种 基于HMM的声纹识别系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(Me1.Fre. quency Cepstral Coefficients,MFCC)作为特征参数,取得了很好结果。

2 8 0

贵州大学学报 (自然科学版 )

第2 2卷

且从采样信号中可以精确地重构原始信号波形。在实际语音信号处理过程中，了使系统得到更高的识为别率，采样率通常取 1 2 k z 5~ 0 H。采样之后要对信号进行量化，量化过程中不可避免地会产生误差。 1 1 2预加重处理 ..

由于语音信号的平均功率谱受声门激励和口鼻辐射的影响，频端大约在 80 z以上按 6d/高 0H B倍频程跌落，为此要进行预加重处理。预加重的目的是提升高频部分，使信号的频谱变得平坦，以便于进行频谱分析或声道参数分析。预加重在采样/量化之后进行，用具有 6d/频程的提升高频特性的预加重数 B倍字滤波器实现， z传递函数为其H( )=一 z 1 () 1

式(), 1中值接近于 1 _。 31 13加窗 ..

语音信号的准平稳特性，使得只在短时段上才可视为是一个平稳过程。可以用对平稳过程的分析方法进行分析，因此需将语音信号划分为一个一个的短时段，每一短时段称为一帧，为从语音信号中切取含有Ⅳ个样本的语音信号波形，需要用时间窗函数乘以原来的语音信号。而矩形窗的采用使得每一帧信号在起始点和终点处发生突变，不再连续，而导致 Gb s象的出现。为了减小起始点和终点处的不连续从 ib现性，以改变窗函数的时域特性，其在起始点和终点处逐渐变为零， H m ig (可使如 a m n窗即升余弦窗):

∞ n= 5 06s )04 .c【 ( .—4。之间有一定的重叠。 …1 2特征提取 .

】凡0,…N 1 =,…,一 1

( 2 )

其中Ⅳ称作帧长，为时间窗的窗宽。为尽可能不丢失语音信号动态变化的信息，常采用滑动窗，即帧与帧

人的听觉系统是一个特殊的非线性系统，它响应不同频率信号的灵敏度是不同的，本上是一个对数基的关系。M C F C充分利用人耳这种特殊的感知特性。MF C和线性频率的转换关系(图 2 C如所示 ):是,=

29 1 l 1 5 5o o+ g(

)

() 3

:一

}, : : :

:; 0f

-

●

-

_

●

_

:,,

:

图 2 M e标度与频率的关系 lFi 2 T e a i n b t e t h nd f q e c g. he r l to e we n pi c a r u n y e

MC F C的提取过程如下：

() 1先确定每一帧语音采样序列的点数，本系统取 N= 1。为了便于计算 FT, 40点 F在序列后面补零， r 然后再进行离散 F T F变换， 5 2级 D F则第 m帧语音的频谱为为 1 F,51 1 . . .

skm=∑ s,) p一2', (,) ( m e ( J k x￣ nn=O

() 4

式 ( ){( m) t,, 4中，s, I=0 1……,0} r 4 9为第 m帧语音的 4 0个采样点， s n m) 4 0 4 1……, 1{(, In= 1, 1, 5} 1为零。对语音的频谱取模平方就会得到离散功率谱。 1 () 2把上步变换得到的离散功率谱用三角滤波器组 (图 3所示 )行滤波，到一组系数 m, 2如进得 1m,……

。

滤波器在频域上为简单的三角形， Me频率轴上是均匀分布的。所有滤波器总体上覆盖从 0 z在 l H

到 N qi频率， yus t即采样频率的二分之一。在本系统中，滤波器的个数 P取 2。 4

从说话人的语音信号中提取出说话人的个性特征是声纹识别的关键。本文介绍了一种 基于HMM的声纹识别系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数(Me1.Fre. quency Cepstral Coefficients,MFCC)作为特征参数,取得了很好结果。

第2期

张万里等： e频率倒谱系数提取及其在声纹识别中的作用 Ml

。0 2 9

图 3 Me尺厦露渡器组 lF g 3 Ba k o i. n fM e le s l tr i f

( )了避免复数运算， 3为利用离散余弦变换 ( C ) D T求得倒谱系数，中 P是三角滤波器的个数。其c

- 。 ( .√ P s 5吾 c警一 )[ 0]∑×

+ ) cn

( 5 )() 6

标准的 MF C只反映了语音参数的静态特性， C而人耳对语音的动态特征更为敏感，阶差分 M C 一 FC ( F C是一种动态参数， AM C )有较好的噪声鲁棒性 ( out s) R b s es。差分参数的计算采用下面的公式： n