基于压缩感知的鲁棒性说话人识别参数研究

• 作者: 于云 周伟栋
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 压缩感知 谱减法 特征参数 鲁棒性
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 18-22
• 页数: 5页
• 分类号: TN912.3
• 字数: 4692字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.03.005

摘要

奈奎斯特采样下的说话人识别,当为了确保高的识别率而采集较长时间说话人语音时,采样数据量特别大,其中有许多冗余造成了采样资源的浪费,压缩感知理论可以很好地解决此问题。基于压缩感知理论,文中利用行阶梯观测矩阵对信号进行投影,研究了压缩比与识别率的关系,在压缩比为1：2时,保证识别率的同时,使得采样数据量减少为原来的一半。在有噪环境下,将谱减法运用到压缩感知和特征提取过程中,在无需重构时域信号的前提下,直接从已估计的干净语音功率谱中提取具有鲁棒性的特征参数CS-SSMFCC( Compressed Sensing Spectral Subtraction Mel Frequency Cepstral Co-efficient)。实验结果表明,与传统的识别参数MFCC( Mel Frequency Cepstral Coefficient)相比,CS-SSMFCC可以有效地提高系统的鲁棒性,具有很好的抗噪性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于云	南京邮电大学通信与信息工程学院	2	2	1.0	1.0
2	周伟栋	南京邮电大学通信与信息工程学院	2	2	1.0	1.0