[发明专利]基于融合特征MGFCC的说话人二次特征提取方法

说明书

技术领域

本发明涉及说话人识别技术领域，特别涉及一种基于融合特征MGFCC的说话人二次特征提取方法。

背景技术

说话人语音经过前面一系列的预处理之后，需要对其进行特征提取计算，从而产生一个数学矢量序列来作为说话人识别系统中训练与识别过程的输入，因此提取特征的优劣对说话人识别模型的训练和参数的确定尤为重要，影响着整个说话人系统的设计及其性能。

说话人特征的选取与后续说话人识别系统的性能提升有直接影响，是说话人识别系统建立的根本。对实际应用场景中的说话人识别系统，特征参数的选取不仅要考虑识别率，更要保证整个系统性能的稳定性及鲁棒性。因此为提取出最优的说话人特征参数是整个说话人识别系统中尤为重要的处理过程，同时也是语音信号处理中的难点之一，对说话人的识别性能有直接影响。

发明内容

为提高说话人识别系统在噪声环境下的识别率，本发明站在仿生的角度上基于人耳听觉特性对说话人特征提取进行研究，首先选择利用基于人耳听觉特性的Gammatone滤波器组与Mel滤波器组分别对人耳耳蜗模型进行模拟，然后根据Mel频率倒谱系数和Gammatone频率倒谱系数在噪声环境下的区分度进行特征融合，得到一种基于人耳听觉特性的说话人融合特征MGFCC。

为了实现上述目的本发明采用如下技术方案：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。

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；

窗函数选用主瓣较宽且旁瓣较低的汉明窗：

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：

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：

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：

步骤S2所述GFCC特征的提取方法为：

S21：说话人语音信号s(n)经过预处理之后，转化为时域信号x(n)，通过快速傅里叶变换得到离散功率谱L(k)，

S22：取上述离散功率谱L(k)的平方得到语音能量谱，然后采用Gammatone滤波器组对其进行滤波；

S23：对每一个滤波器的输出进行指数压缩，得到一组能量频谱s₁,s₂,s₃,…,s_M为：

式中，e(f)为指数压缩值，M为滤波器通道数，1≤m<M，H_m(k)表示Gammatone滤波器的频率响应。本发明中H_m(k)均表示滤波器的频率响应。

S24：对压缩后的能量谱作DCT变换，求得GFCC特征，其运算公式为：

式中，L为特征参数的维数。C_GFCC(j)表示不同维数的GFCC特征参数，M表示滤波器个数。