王正创

摘要：在声纹识别系统中，由于特征参数MFCC不能实现高效的识别，提出了将MFCC和共振峰相结合的提取方法。并在此基础上引用了一阶差分[Δ]MFCC和二阶差分[ΔΔ]MFCC，进而将MFCC、[Δ]MFCC、[ΔΔ]MFCC和共振峰有机结合起来进行声纹识别实验，说话人模型采用的是高斯混合模型。实验结果表明提取混合特征参数MFCC、[Δ]MFCC、[ΔΔ]MFCC与共振峰进行声纹识别时，识别率大大提高。

关键词：MFCC；共振峰；GMM

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）04-0188-03

A Voiceprint Recognition Algorithm Based on MFCC and Formants

WANG Zheng-chuang

（College of Mechanical and Electronic Engineering， Chaohu University， Chaohu 238000，China）

Abstract： Because MFCC cant achieve efficient voiceprint recognition， a feature extraction method by combining MFCC and Formants is proposed. And on the basis cited the [Δ]MFCC and [ΔΔ]MFCC， then MFCC， [Δ]MFCC， [ΔΔ]MFCC and Formants are combined to conduct the voiceprint recognition experiment， the speaker models use the Gaussian Mixture Modeling. The experiment results show that the extraction of mixture parameters MFCC， [Δ]MFCC， [ΔΔ]MFCC and Formants for the voiceprint recognition， the recognition rate improves greatly.

Key words： MFCC； formants； GMM

1 概述

由于声纹和指纹、人脸、DNA一样，是一个人内在的、唯一的特征，通过提取声纹中的特征来进行身份鉴别技术不断地发展起来。目前已广泛应用到银行证券、刑侦反恐、国防安全等各个领域，并发挥着越来越大的作用。

声纹识别中最关键的问题之一就是提取有效的特征参数，有效的特征参数可以提高识别率，目前常见的特征参数有基音周期、线性预测系数（LPC）、线谱对参数（LSP）、线性预测倒谱系数（LPCC）、梅尔频率倒谱系数（MFCC）。本文主要介绍MFCC和共振峰的提取算法，并利用高斯混合模型进行声纹识别实验，进而表明MFCC参数与共振峰结合优于单独的特征参数。

2 Mel频率倒谱系数

MFCC 是根据人的听觉感知机理提出的能反映人的声音特征的参数，因此它没有任何前提假设，且具有良好的识别能力和抗噪声能力。由于人耳所听到的声音的高低与声音的频率并不成正比关系，而用Mel频率尺寸则更符合人耳的听觉特性。Mel频率与实际频率的具体关系可用公式（1）表示：

[Mel（f）=2595lg（1+f/700）] （1）

图1是MFCC参数的提取框图：

图1 MFCC的……