实验7 声纹特征提取(实验指导书).doc

实验7声纹特征提取一实验目的1. 了解语音信号合成技术及声纹特征提取的基本方法。2学习声纹特征提取的MATLAB实现基本方法。二、实验内容1利用语音文件enframe.wav对语音数据绘制音谱图，要求窗长分别为512和128。2对语音文件enframe.wav中的语音数据加窗分帧，进行相关性分析，讨论第42帧音和第15帧语音数据的声纹特征。三、实验原理与方法1基于统计学基础的特征提取方法无论对于语音通信、语音合成或语音识别，特征提取的完成都是从语音信号提取出具有特征的音素。一般而言，由于倒频谱有着能将频谱上的高低频分开的优点，因此被广泛地应用在语音识别的研究上，对语音识别有用的信息，如对语音信号进行分析处理，去掉与语音识别无关的冗余信息，获得影响语音识别的重要信息。例如过去常用的线性预测编码导出的倒频谱参数（LPCC）和梅尔频率倒谱参数（MFCC）等都是常用的语音特征。倒谱特征所含的信息比其他参数多，能较好地表征语音信号，语音质量好，识别正确率高，因此选用倒谱系数作为特征参数具有一定的优势。一般同态处理中对信号序列进行短时快速傅立叶变换，然后求其复对数的逆傅立叶变换便可得信号复倒谱。LPC倒谱特征与FFT复倒谱特征相比，前者求出的频谱包络能更好地重现谱的峰值，而且运算量仅是后者的一半，在实时语音识别中采用LPC倒谱作为特征向量较好。LPC倒谱特征提取合适的阶数后可较好地表征声道特性，但它是按实际频率尺度的倒谱系数，可根据人耳听觉特性将上述的LPC倒谱系数进一步按符合人听觉特性的梅尔(MEL)尺度进行非线性变换，从而求出LPC梅尔倒谱系数(LPCMCC)。LPC梅尔倒谱系数算法效率较高。既考虑了声道激励，又兼顾人耳听觉，理论上具有一定的可行性6。2线性预测及其倒谱系数线性预测（LPC）分析技术是目前被广泛应用的特征参数提取技术，许多成功得以应用的系统都采用基于线性预测技术提取的LPC倒谱系数（LPCC）作为系统的特征矢量。LPCC参数的提取基于语音的线性预测分析，线性预测分析从人的发声机理人手，通过对声道的短管级联模型的研究，认为系统的传递函数符合全极点数字滤波器的形式，从而n时刻的信号可以用前若干时刻的信号的线性组合来估计。在获得滤波器的线性预测系数后，可以用一个递推公式得到其倒谱： i=1,2,p 式中， 为线性预测系数，为所求的LPCC参数，P是参数的个数。LPCC参数比较彻底地去掉了语音产生过程中的激励信息，主要反映声道特性，而且只需10余个倒谱系数就能较好地描述语音的共振峰特性，计算量小。其缺点是对辅音的描述能力较差，抗噪声性能也较弱。这里讲的LPC倒谱其实是复倒谱，所谓复倒谱就是信号通过z变换以后取对数，再求反z变换而得到的。线性预测分析方法是一种谱估计的方法，而且其声道模型系统函数H(z)反映了声道的频率响应和原始信号的谱包络，因此用做反z变换即可求出其复倒谱系数。该复倒谱系数根据线性预测模型直接得到，因此又称之为LPC倒谱系数(LPCC)。之所以线性预测分析法是目前进行语音特征分析的最有效、最重要的方法之一，这是由于：（1）它有效地解决了短时平稳信号的模型化问题，可把语音信号看成是由全极点模型产生的。（2）能很好地逼近共振峰，提供谱估计。（3）提供的语音信号模型参数（如基音、共振峰、谱、声道面积函数等）简洁而准确，计算量较小，便于实时处理。（4）可用于低速率传输的环境。（5）将LPC参数形成的模型参数储存起来，在语音识别中提高识别率和减少识别时间。这个函数的名字就是LPC，它的语法为：a=lpc(x,p)，这里 x为一帧语音信号，p为计算LPC参数的阶数。通常为240点或256点的数据，p取l012，对语音识别已经足够了。但要采用迭代算法计算LPC倒谱参数则需要自己再另行编写一段复倒谱递推程序，其推导公式为： ， 其中为LPC系数，而P为其阶数，一般LPC倒谱系数的阶数一般取832阶就可以比较好的表征声道特征。3语谱图的MATLAB实现算法y,fs,nbits=wavread(waveFile);F=enframe(y,200);specgram(y,512,8000);4线性预测的MATLAB实现算法y,fs,nbits=wavread(waveFile);F=enframe(y,200);f5=F(:,15);a=lpc(f5,12);est_f5=filter(0,-a(2:end),1,f5);e=f5-est_f5;acs,lags=xcorr(e,coeff);subplot(2,2,1);plot(1:199,f5(1:199),1:199,est_f5(1:199),-);sub