MFCC和短时TEO能量的混合参数应用于说话人识别

作者： 王茂蓉 [1] ; 周萍 [1] ; 景新幸 [2]

摘要：特征参数的提取在说话人识别中起至关重要的作用,影响到整个系统的识别率.采用表征说话人语音特性的Mel倒谱系数和体现语音信号时域特征的短时TEO能量的混合特征参数应用到说话人识别系统中,目的是通过增加表征说话人语音特征参数的维数,来改善系统性能,与传统提取方法相比,该方法弥补了特征参数有效维数的不足,最后建立GMM-UBM分类器模型,对语音信号识别.实验证明,该混合特征参数与MFCC,以及MFCC与其一阶差分的组合特征参数相比,在没有增加运算复杂度的同时提高了系统的识别率.

关键字： 说话人识别 Mel频率倒谱系数 Teager能量算子 混合特征参数 GMM-UBM

---

上一篇：《微电子学与计算机》征稿简则
下一篇：云计算环境下基于二维码的移动终端身份认证方案