一种新的鲁棒声纹特征提取与融合方法

• 作者: 孙龙 罗元
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Gammatone特征参数 感知线性预测 类间区分度 特征融合 鲁棒性 说话人确认
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 297-299,317
• 页数: 4页
• 分类号: TP391
• 字数: 3607字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.8.060

摘要

为提高说话人确认系统在噪声环境下的鲁棒性,在利用听觉外周模型改进Mel频率倒谱系数(Mel FrequencyCepstral Coefficient,MFCC)的基础上,结合感知线性预测系数(Perceptual Linear Predictive Coefficient,PLPC),以类间区分度为依据,在特征域对两种声纹特征进行融合,提出一种新的声纹特征提取方法,并对基于该特征的说话人确认系统的噪声鲁棒性进行研究.针对不同信噪比的语音信号进行了融合特征与原始特征的对比实验,结果表明,融合特征在模拟餐厅噪声环境中的错误率更低,较MFCC与PLPC分别降低了2.2％和3.1％,说话人确认系统在噪声中的鲁棒性得到提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗元	重庆邮电大学光电工程学院	192	1681	17.0	31.0
2	孙龙	重庆邮电大学光电工程学院	1	2	1.0	1.0