一種基于基音周期和MFCC的融合特征參數提取方法與流程

本發明提出了一種利用基音周期特征參數來增加Mel倒譜參數維度進而提高聲紋識別效率的方法。使用此方法提取的語音特征更具動態性，同時此特征參數結合了人體的發聲結構及聽覺結構，可以提高聲紋識別的效率。

背景技術：

近年來人們對隱私安全越來越重視，單一的字符型密碼已經無法滿足人們的需求，從而致使聲紋、指紋、虹膜等生物特征識別快速發展。而聲紋因為其易獲取，低成本的特性獲得了很大的重視，市場需求極其廣泛。但是聲紋識別同時也有一些缺點，比如同一個人的聲音具有易變性，易受身體狀況、年齡、情緒等的影響；比如不同的麥克風和信道對識別性能有影響；比如環境噪音對識別有干擾；又比如混合說話人的情形下人的聲紋特征不易提取等等。因此尋找更有效的語音特征成為了聲紋識別的首要任務。本方法結合了較為常用的兩個語音特征基音周期和MFCC(Mel Frequency Cepstral Coefficents梅爾頻率倒譜系數)。基音周期是根據人體發聲器官提取的特征，獲取容易，但是人體在情緒發生變化或者生病的時候聲道會發怔變化，因此基音周期是不穩定的。所以我們又引入了相對更加穩定的Mel頻率倒譜參數(MFCC)。Mel頻率是基于人耳聽覺特性而提出來的，它與Hz頻率成非線性對應關系。Mel頻率倒譜系數(MFCC)則是利用它們之間的這種關系，計算得到的Hz頻譜特征，代表根據人體聲音的接收器官提取出的特征。而Mel頻率倒譜參數(MFCC)是由每一幀的語音信號得到的，僅代表了該幀的特征，不具動態性，所以一般會在提取出Mel頻率倒譜參數(MFCC)的基礎上，再次提取其一階差分，二階差分，將所得的三種特征結合起來作為新的MFCC特征，使之具有動態特性。大體流程如圖1所示。本方法結合語音的發聲結構和聽覺結構，可以獲得更好的識別效果。

技術實現要素：

本發明最終目的是基于兩種聲紋特征融合Mel倒譜參數及其一階偏導，二階偏導以及基音周期從而生成一個3L+1維度的矢量，結合語音的發聲結構和聽覺結構，從而獲得更好的識別效果。

為實現上述目的，本發明的實施方案如下：

1)獲得單人語音數據；

2)對語音數據進行預處理，包括預加重，分幀加窗等；

3)提取第一幀語音數據，并用自相關法獲得其基音周期參數P；

4)計算獲得第一幀語音數據的MFCC特征參數M；

5)判斷如果不是最后一幀的話則計算下一幀的基音周期和MFCC參數；

6)遍歷到最后一幀，獲得每一幀的基音周期和MFCC參數；

7)根據每一幀的MFCC特征參數計算其一階偏導F；

8)根據上一步獲得的MFCC特征參數的一階偏導，計算其二階偏導S；

9)將每一幀的MFCC參數及其一階偏導，二階偏導和對應基音周期結合成3X+1維的矢量作為該幀的混合特征參數；

10)后續處理，如訓練和識別；

附圖說明

圖1是本發明所述的基于基音周期和MFCC的融合特征參數獲取流程示意圖。圖2是獲取本發明所述基于基音周期和MFCC的融合特征參數的具體流程圖。

具體實施步驟

下面結合說明書附圖中的圖1和圖2及具體實施方式對本發明做進一步詳細說明。需要注意的是，實施步驟中會省略部分已知的功能和描述，而著重突出對本發明的描述。

圖2是本發明基于基音周期和MFCC的融合特征參數的具體處理過程。首先對語音數據進行預加重處理去除低頻，從而突出語音的高頻特性。然后進行分幀加窗處理，根據語音的短時平穩性取10‐30ms一幀，幀間重疊1/2幀長或1/3幀長，再乘上每幀的窗函數來增加語音幀之間的連續性。

然后對預處理后的語音進行處理分別提取基音周期和MFCC參數，具體步驟如下：

1)提取一幀語音數據

2)根據自相關函數計算各幀的基音周期，其中S_n(m)是加窗后的語音信號，k是采樣點間隔個數，m是采樣點數。

3)對分幀加窗后的各幀信號進行FFT變換得到各幀的頻譜，并對語音頻譜平方得到語音信號功率譜。

4)定義一個有M(22‐26)個帶通三角濾波器的濾波器組，將功率譜通過該濾波器組從而將頻譜平滑化。

5)計算每個濾波器組輸出的對數能量，然后將上述對數能量帶入離散余弦變換(DCT)，DCT公式如下：求出L階的MFCC參數。此時得到了每一幀的MFCC和基音周期參數。

標準的倒譜參數MFCC只反映了語音參數的靜態特性，語音的動態特性可以用這些靜態特征的差分譜來描述。因此再求的MFCC的一階差分以及二階差分參數。最后將一幀的基音周期，MFCC,一階差分及其二階差分組合起來就得到了3L+1維的融合特征矢量PITCHMFCC。而一段語音有X幀，則可以得到X*(3L+1)維的一個矩陣。并可用于后續的訓練和識別過程。

上述描述了本發明PITCHMFCC具體實施步驟，以便本領域技術研究所人員理解本發明，但應清楚本發明不局限于具體實施方式的范圍，對于各種利用本發明構思的發明均在保護之列。