一种适于说话人识别的非线性频率尺度变换

• 作者: 俞一彪 薛峰 袁冬梅
• 来源期刊: 声学学报
• 学科: 物理学
• 年，卷（期）: 2008,（5）
• 页码范围: 450-455
• 页数: 6页
• 分类号: O4
• 字数: 5470字
• 语种: 中文
• DOI: 10.3321/j.issn:0371-0025.2008.05.011

摘要

传统的非线性频率尺度变换虽然能够反映人类听觉系统(HAS:Human Auditory System)的感知特性,但不能区别对待语音中包含的语义和个性特征,在表达说话人个性特征方面并不充分.通过分析语旨信号不同频带短时谱对说话人识别性能的影响,采用最小二乘法多项式曲线拟合技术,提出了一种非线性频率尺度变换.实验表明,与传统的Mel、Bark和ERB频率尺度变换相比,在同样的训练与测试条件下,平均误识率分别降低70.5%,60.8%和70.5%.这一结果说明,本文提出的非线性频率尺度变换有效地增强了短时谱的说话人个性特征,能够提高说话人识别系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛峰	苏州大学电子信息学院	37	265	10.0	13.0
2	俞一彪	苏州大学电子信息学院	69	404	11.0	16.0
3	袁冬梅	苏州大学电子信息学院	7	27	2.0	5.0