基于混合倒譜MFCC和GFCC的聲紋識(shí)別方法的研究.pdf

1、聲紋識(shí)別是人工智能AI和身份安全認(rèn)證的主要技術(shù)之一，圍繞“智能時(shí)代，數(shù)字經(jīng)濟(jì)”的主題下，實(shí)現(xiàn)計(jì)算機(jī)與人之間的智能交流，聲紋識(shí)別將是必不可少的科學(xué)技術(shù)關(guān)隘。
　　本文的具體工作如下：以聲紋識(shí)別的整體結(jié)構(gòu)為路線，先是分析目前聲紋識(shí)別的技術(shù)和基本概念，再逐一講解聲紋識(shí)別的三大部分——前期處理、特征參數(shù)和模式識(shí)別。
　　本文的主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　(1)傳統(tǒng)雙門限法和音量閾值法由于只使用固定的閾值來檢測(cè)語音段，不能隨著環(huán)

2、境變化而修正閾值參數(shù)，抗噪性能差，本文提出一種凹點(diǎn)分析端點(diǎn)檢測(cè)的方法，配合基因周期過濾大音量噪聲，實(shí)現(xiàn)語音段的精確檢測(cè)。實(shí)驗(yàn)表明，即使信噪比逐漸上升，改進(jìn)的算法也優(yōu)于傳統(tǒng)雙門限法和音量閾值法的抗噪性能，并且低信噪比時(shí)仍能有效檢測(cè)語音端點(diǎn)。
　　(2) MEL倒譜系數(shù)(MFCC)作為特征參數(shù)有很多優(yōu)點(diǎn)，而MFCC的濾波器個(gè)數(shù)和階數(shù)都是按傳統(tǒng)的24濾波器12維來運(yùn)算，為了提高識(shí)別的效率和準(zhǔn)確率，本文提出用增減分量分別檢驗(yàn)MFCC每個(gè)倒

3、譜系數(shù)ci的貢獻(xiàn)度，改進(jìn)濾波器個(gè)數(shù)和倒譜系數(shù)維數(shù)，通過新的倒譜系數(shù)的組合來改進(jìn)MFCC的性能。
　　(3)傳統(tǒng)的單一的MFCC參數(shù)抗噪性能比較差，不足以抵抗復(fù)雜環(huán)境下的噪聲，本文提出一種全新的混合倒譜特征參數(shù)，添加具有很強(qiáng)抗噪性能的Gammatone濾波器的倒譜特征參數(shù)(GFCC)，配合體現(xiàn)幀與幀之間動(dòng)態(tài)特性的差分MFCC和差分GFCC，得到(MFCC+△MFCC+GFCC+△GFCC)的混合倒譜特征參數(shù)，經(jīng)過實(shí)驗(yàn)表明，新的混合倒