◆冯月春 陈惠娟

基于GFCC与CFC的低信噪比说话人识别

◆冯月春1陈惠娟2

（1.宁夏理工学院 宁夏 753000；2.西安工程大学 陕西 710048）

在全特征矢量集模型CFC和互信息识别的基础上，对不同的语音特征参数提取方式及不同特征在不同信噪比下的识别率做了比较，实验结果表明基于人耳听觉特性的稳健特征提取方式在高信噪比时识别率最高；本文针对低信噪比情况下说话人识别系统的识别率较低的问题，提出了基于多窗谱估计普减法的能熵比法用于语音的前端降噪处理，结果表明通过改进的端点检测法在低信噪比下明显提高说话人识别的识别率。

端点检测；CFC；识别率

说话人模型是说话人识别系统的核心，目前常见的说话人模型包括：隐马尔科夫模型、高斯混合模型、矢量量化、人工神经网络等。这些方法的运用只考虑了语音信号的时变分布特征，并没有考虑语音信号的统计分布特征，同时计算量比较大。上海大学的俞教授提出了全特征矢量集模型CFC[1]，该模型基于互信息理论和语音信号分析，对随机变量或随机信号之间所携带对方信息进行定量描述，由于该模型同时考虑了语音信号的时变分布特征和统计分布特征，能有效地提高类间耦合度和类内凝聚度，是目前常用的说话人模型匹配方式。该模型对语音参数特征敏感，尤其是低信噪比的情况下。因此，语音特征的提取方式是CFC精度的主要影响因素。本文在全特征矢量集模型CFC和互……