基于倒谱分量的融合参数应用于声纹识别

郑凯鹏; 周萍; 张上鑫; 柯晶晶

Chinese

您当前的位置：

首页 >

文章列表页 >

基于倒谱分量的融合参数应用于声纹识别

更新时间：2026-09-04

- 基于倒谱分量的融合参数应用于声纹识别
- Base on the Fusion Parameters of Cepstrum Components Used in Speaker Recognition
- 微电子学与计算机 2017年34卷第8期页码：29-32
- 作者机构：
  
  桂林电子科技大学机构电子工程与自动化学院,广西,桂林,541004
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目 61363005国家自然科学基金资助项目 61462017
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
郑凯鹏, 周萍, 张上鑫, 柯晶晶. 基于倒谱分量的融合参数应用于声纹识别[J]. 微电子学与计算机, 2017, 34(8): 29-32.

ZHENG Kai-peng, ZHOU Ping, ZHANG Shang-xin, et al. Base on the Fusion Parameters of Cepstrum Components Used in Speaker Recognition[J]. 2017, 34(8): 29-32.
郑凯鹏, 周萍, 张上鑫, 柯晶晶. 基于倒谱分量的融合参数应用于声纹识别[J]. 微电子学与计算机, 2017, 34(8): 29-32. DOI：

ZHENG Kai-peng, ZHOU Ping, ZHANG Shang-xin, et al. Base on the Fusion Parameters of Cepstrum Components Used in Speaker Recognition[J]. 2017, 34(8): 29-32. DOI：

摘要

声纹识别技术作为一种新型的生物特征认证技术，英特网的快速发展给声纹识别带来很多商业上的应用，对于声纹识别技术的研究越来越受到科学和市场的重视.优化声纹识别算法速度和正确率的重要做法是提高语音信号特征参数的鲁棒稳健性.因此，本文以实验室录制的语音作为信息库，利用Mel频率倒谱系数、差分以及加权倒谱系数三个信息进行融合，采用增减阶数法分析获取高重要度的倒谱分量，组成新的融合参数，建立基于VQ的声纹识别模型，采用LBG算法设计不同码本容量的实验.通过仿真验证，本实验的倒谱分量重要度分析得到的融合特征参数在声纹识别上正确率得到提升.

Abstract

Voiceprint recognition technology is a new kind of biological certification technology. With the rapid development of Internet research bring a lot of business applications for voiceprint recognition

the technology has get more and more attention of science and market. Extracting more robust speech feature parameters is the major aspect to develop the voiceprint recognition algorithm speed and correct rate. With the recording voice library in the laboratory

the paper extracted Mel frequency cepstrum coefficient and its difference

weighted cepstrum coefficient. Then get new hybrid parameters composed of parameter vector with high Importance based on analysis of increase and decrease component. Finally

the paper build a speaker recognition model based on the VQ and designed different codebook capacity experiments with the LBG algorithm. Experimental results show that hybrid parameters through this papers analysis got a higher recognition rate in the speaker recognition.

关键词

Keywords

references

Shabani S, Norouzi Y. Speech recognition using principal components analysis and neural networks[C]//Intelligent Systems (IS), 2016 IEEE 8th International Conference on. Subotica, Serbia, IEEE, 2016: 90-95.

Garg A, Sharma P. Survey on acoustic modeling and feature extraction for speech recognition[C]//Computing for Sustainable Global Development (INDIACom), 2016 3rd International Conference on. New Delhi, India, IEEE, 2016: 2291-2295.

MarkoviC D, Popat J, Antonacci F, et al. An informed separation algorithm based on sound field mapping for speech recognition systems[C]//Acoustic Signal Enhancement (IWAENC), 2016 IEEE International Workshop on. Xi'an, China, IEEE, 2016: 1-5.

胡政权, 曾毓敏, 宗原, 等. 说话人识别中MFCC参数提取的改进[J]. 计算机工程与应用, 2014, 50(7): 217-220. DOI: 217

张雪英. 数字语音处理及MATLAB仿真[M]. 北京: 电子工业出版社, 2012.

胡航. 现代语音信号处理[M]. 北京: 电子工业出版社, 2014.

柯晶晶, 周萍, 景新幸, 等. 差分和加权Mel倒谱混合参数应用于说话人识别[J]. 微电子学与计算机, 2014, 31(9): 88-91. DOI: 88

孙冬梅, 裘正定. 生物特征识别技术综述[J]. 电子学报, 2001, 29(12): 1744-1748. DOI: 1744

申小虎, 万荣春, 张新野. 一种改进动态特征参数的话者语音识别系统[J]. 计算机仿真, 2015, 32(4): 154-158. DOI: 154

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进型Mel混合参数应用于说话人识别

大模型发展综述：从BERT到Deepseek的技术演进

基于监控指标关联性的微服务异常检测

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于区块链的AI生成内容溯源框架设计研究