韦国刚 周萍

【摘要】模仿者蓄意模仿说话人的语音，当相似度较高时，说话人识别系统就有可能被模仿者欺骗。语音特征参数作为说话人识别系统的关键组成部分，直接影响系统的性能。Mel系数是语音识别领域最成熟的特征参数之一，但是，MFCC特征参数在语音识别中对中、高频段的识别精度较低。为了解决上述问题，融合Mid-MFCC和IMFCC，采用增减分量法，提出了MMI-MFCC特征参数。实验结果表明，新的MMI-MFCC特征参数比传统的MFCC特征参数更有效的区分模仿语音的相似度。

【关键词】模仿语音;Mel系数;增减分量法;相似度

1.Mel及其相关特征参数

1.1 MFCC特征特征参数

作为一种能够较好模拟人耳对声音信号的特殊感知特性的特征，Mel频率倒谱参数（MFCC）近年来被广泛应用在语音识别领域，1Mel的意义对应为1000Hz音频感知程度的1/1000。经研究，Steven B.Davis建立了符合人类听觉特性Mel频率，与实际频率之间的对应关系如下：

（1）

公式（1）中，Mel频率的单位是Mel，将语音信号频率划分成一个三角滤波器组——Mel滤波器组[1]。Mel尺度滤波器组各个滤波器在Hz频率坐标轴上并非等距的，但在Mel频率坐标轴上是等距的，各滤波器之间交叉重叠。用式（2）对Mel滤波器进行计算：

（2）

公式（2）中，M为滤波器组中滤波器的个数，一般。

MFCC参数[1][2]的算法流程图如图1所示，Mel滤波器组的作用主要在于将语音信号从Hz频域空间映射到人耳感知的Mel频域空间，使滤波器的空间尺度与人的听觉感知尺度更加相近。

图1 MFCC的提取流程图

1.2 改进的Mel频率倒谱系数

Sandipan在MFCC参数的基础上，通过改变Hz-Mel频率直接的非线性对应关系，研究设计出一种与Mel滤波器完全相反的I-Mel滤波器，提出了逆Mel频率倒谱参数（IMFCC）。……