朱宇轩

(西华大学，四川 成都 610039)



基于Mel频率倒谱系数的说话人识别研究

朱宇轩

(西华大学，四川 成都 610039)

摘要：由于人耳对声音频率的感知不是线性的，通过短时傅里叶变化得到的语音信号短时谱是按实际语音频率分布的，但符合人耳听觉特性的频率分布是按照临界频带分布的。因此按实际频率分布的频谱作为语音特征时，由于它不符合人耳的听觉特性，将会降低说话人识别系统的识别性能。

关键词：频率倒谱；语音特征

1Mel频率倒谱系数(MFCC)

MFCC是在频谱上采用滤波器组的方法计算出来的，将语音频率划分成一系列的三角形滤波器序列,这组滤波器在频率的坐标上是等宽的。这是因为人类在对1000Hz以下的声音频率范围的感知遵循近似线性的关系;对1000Hz以上的语音频率范围的感知不遵循线性关系，而是遵循在对数频率坐标上的近似线性关系。

Mel频率倒谱系数(MFCC)是使用傅立叶分析提取的语音特征参数，是类似于指数的形式，Mel频率可以用如下公式表示：

Mel(f)=2595lg(1+f/700)

(1)

式中：f是以Hz为单位的实际频率。对频率轴的不均匀划分是MFCC特征区别于普通倒谱特征的最重要的特点。语音频率与Mel频率的对应关系如图1所示。

2频率倒谱系数计算

根据Zwicker的工作，Mel频率的增长是与临界带宽的变化保持一致的，以Mel为单位的频率刻度划分与临界带宽在细节上并不精确相等，但这个差别是很小的。

(1)将信号进行分帧，预加重和加汉明窗处理，然后进行短时傅里叶变换并得到其频谱。……