一种适于说话人识别的非线性频率尺度变换.pdfVIP

第33卷第5期 声 学 学 报 V01．33．No．5 2008年9月 ACTAACUSTICA Sept．，2008 一种适于说话人识别的非线性频率尺度变换 俞一彪 袁冬梅 薛峰 (苏州大学电子信息学院 苏州 215021) 2008年2月1日收到 2008年4月17日定稿 摘要传统的非线性频率尺度变换虽然能够反映人类听觉系统(HAs：HumanAuditorysystem)的感知特性，但不能区别对 待语音中包含的语义和个性特征，在表达说话人个性特征方面并不充分。通过分析语音信号不同频带短时谱对说话人识别性 能的影响，采用最小二乘法多项式曲线拟合技术，提出了一种非线性频率尺度变换。实验表明，与传统的Mel、Bark和ERB 频率尺度变换相比，在同样的训练与测试条件下，平均误识率分别降低70．5％，60．8％和70．5％。这一结果说明，本文提出 的非线性频率尺度变换有效地增强了短时谱的说话人个性特征，能够提高说话人识别系统的性能。 PACS数：43．60，43．70 Anon—linear transf6rmfbr f．requency speakerrecognition YUYibiaoYUAN XUE DongmeiFbng ond suzhou J他，0fm口￡ion—踟9i凡ee—n9，sDDc^Dtp‰ie，’si￡y (sc^DDz吖。E珊ectrDnic 215021) R启ceivedF1eb．1．2008 Revised Apr．17，2008 AbstractThecIaLssical transformcandescribe characteristicsofhuman can frequency perception auditorysystem，but not enhance inshort—time of non—linear transformand relatively speaker’sindividuality spectrumspeech．A frequency f宅aturedetection are basedon contributionofshort—time indi艉rent algorithmproposed analyzing spectrum frequency subbandsand of curve showthatthe non-linear usingpolynomialfitting．Theexperimentalresultsproposed frequency transformcan the in withcIassicalnon—linear transformsuchas eH宅ctiVelycomparison frequency improveperformance andERB．Inthesame errorratefallsabout Mel，Bark