針對(duì)說(shuō)話人識(shí)別易受環(huán)境噪聲影響的問(wèn)題,借鑒生物聽(tīng)皮層神經(jīng)元頻譜-時(shí)間感受野(STRF)的時(shí)空濾波機(jī)制,提出一種新的聲紋特征提取方法。在該方法中,對(duì)基于STRF獲得的聽(tīng)覺(jué)尺度-速率圖進(jìn)行了二次特征提取,并與傳統(tǒng)梅爾倒譜系數(shù)(MFCC)進(jìn)行組合,獲得了對(duì)環(huán)境噪聲具有強(qiáng)容忍的聲紋特征。采用支持向量機(jī)(SVM)作為分類(lèi)器,對(duì)不同信噪比(SNR)語(yǔ)音數(shù)據(jù)進(jìn)行測(cè)試的結(jié)果表明,基于STRF的特征對(duì)噪聲的魯棒性普遍高于MFCC系數(shù),但識(shí)別正確率較低;組合特征提升了語(yǔ)音識(shí)別的正確率,同時(shí)對(duì)環(huán)境噪聲具有良好的魯棒性。該結(jié)果說(shuō)明所提方法在強(qiáng)噪聲環(huán)境下說(shuō)話人識(shí)別上是有效的。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 算法原理
2 本文方法
    2.1 語(yǔ)音信號(hào)的預(yù)處理
    2.2 聲紋特征提取
        2.2.1 基于STRF的聲紋特征
        2.2.2 MFCC系數(shù)
        2.2.3 基于MFCC和STRF組合特征
    2.3 分類(lèi)器的選取
3 實(shí)驗(yàn)與結(jié)果分析
    3.1 數(shù)據(jù)來(lái)源
    3.2 單一特征對(duì)識(shí)別結(jié)果的影響
    3.3 組合特征對(duì)識(shí)別結(jié)果的影響
    3.4 不同特征對(duì)環(huán)境噪聲的魯棒性分析
4 結(jié)語(yǔ)



本文編號(hào)：3833292