马赛，谢茜，刘嘉胤

(1.中国传媒大学 媒介音视频教育部重点实验室，北京 100024；2.山东省烟草公司信息中心，济南 250101)

基于MFCC的混响效果识别研究

马赛1，谢茜1，刘嘉胤2

(1.中国传媒大学 媒介音视频教育部重点实验室，北京 100024；2.山东省烟草公司信息中心，济南 250101)

直达声/混响声能量比(Direct-to-Reverberant Ratio，DRR)和混响时间(Reverberation Time，RT)是判断混响效果的两个重要参数。针对合成有声语音及元音EH，在给定的混响时间下，提取不同直达声/混响声能量比的混响语音信号的MFCC(Me-Frequency Cepstral Coefficients)特征，分别对其进行混响效果识别的10折交叉验证。利用高斯混合模型对训练集进行聚类分析，得到其概率分布函数，通过马氏距离(Mahalanobis Distance，MD)计算测试集的每个样本的混响效果概率，进而判断其混响效果等级。实验结果证明，合成有声语音基于MFCC的混响效果识别准确率可以达到90%以上，元音EH可以达到80%以上。

混响；MFCC；交叉验证；高斯混合模型

1 引言

语音通过声道产生，声道可以看作改变声带振动频谱形状的滤波器。当声带处于发声状态时生成有声语音，发声状态指声带绷紧并周期振动，声道滤波器被周期脉冲激励，产生的语音波形具有准周期性；当声带处于无声状态时生成无声语音，无声状态指声带不振动，声道滤波器被噪声源激励，产生的语音波形无规则[1][2]。语音信号生成的源-滤波器模型(Source-Filter Model，SFM)[3]如图1所示，声带的两种状态通过切换开关实现，声道通过时不变滤波器模拟，滤波器参数可以对语音信号进行线性预测分析获得[4]。本文只关注有声语音信号。……