[发明专利]基于融合特征MGFCC的说话人二次特征提取方法

权利要求书

1.基于融合特征MGFCC的说话人二次特征提取方法，其特征在于，包括以下步骤：

S1：利用Mel滤波器对说话人语音信号进行处理得到MFCC特征；

S2：同时利用Gammatone滤波器对说话人语音信号进行处理得到GFCC特征；

S3：分别计算MFCC特征和GFCC特征在噪声环境下的各维特征区分度F_R；

S4：分别统计MFCC特征和GFCC特征的每一维特征处于最大特征区分度的次数；

S5：根据步骤S4统计的两种特征在噪声背景下的最大特征区分度次数进行特征融合；

S6：对步骤S5获得的融合特征进行微分和特征重组得到二次提取特征。

2.根据权利要求1所述基于融合特征MGFCC的说话人二次特征提取方法，其特征在于：步骤S1所述MFCC特征提取的方法为：

S11：对说话人语音信号进行预加重处理：采用数字滤波器对说话人语音信号进行处理，其Z域中的传递函数为：H(z)＝1-0.95z^-1；

S12：对步骤S11处理后的信号进行分帧加窗，其中每一帧含有N个采样点，窗函数为w(n)，则加窗后的语音信号s_w(n)为：

s_w(n)＝y(n)*w(n)

式中，y(n)为预加重之后的信号，0≤n≤N；

S13：快速傅里叶变换：将S12处理后的信号进行快速傅里叶变换，从时域数据变换到频域，得到语音线性频谱X(k)为：

X(k)=Σn=0N-1sw(n)e-j2πnk/N,(0≤n,k≤N-1)]]>

S14：对每一帧快速傅里叶变换后的数据计算谱线能量：E(k)＝[X(k)]²；

S15：对每个Mel滤波器的输出作对数运算，可得对数频谱S(m)为：

S(m)=ln(Σk=0N-1|X(k)|2)Hm(k)),0≤m<M]]>

H_m(k)表示Mel滤波器的频率响应，M表示Mel滤波器的个数；

S16：对对数频谱S(m)进行离散余弦变换变换，进而得到特征MFCC，则第n维特征C(n)为：

C(n)=Σm=1M-1S(m)cos[πn(m+1/2)M],0≤m<M.]]>