基于MFCC的频谱重构实现音高估计和发声分类

• 作者: 张少华 秦会斌
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 语音识别 音高估计 梅尔频率倒谱系数 高斯混合模型
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 86-89,131
• 页数: 5页
• 分类号: TP24
• 字数: 3877字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.06.218

摘要

音高估计和发声分类可以帮助快速检索目标语音,是语音检索中十分重要且困难的研究方向之一,对语音识别领域具有重要的意义.提出了一种新型音高估计和发声分类方法.利用梅尔频率倒谱系数(MFCC)进行频谱重构,并在对数下对重构的频谱进行压缩和过滤.通过高斯混合模型(GMM)对音高频率和滤波频率的联合密度建模来实现音高估计,实验结果在TIMIT数据库上的相对误差为6.62％.基于高斯混合模型的模型也可以完成发声分类任务,经试验测试表明发声分类的准确率超过99％,为音高估计和发声分类提供了一种新的模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦会斌	杭州电子科技大学新型电子器件与应用研究所	237	1329	17.0	25.0
2	张少华	杭州电子科技大学新型电子器件与应用研究所	2	13	1.0	2.0