语音特征参数MFCC的提取及识别

语音特征参数MFCC的提取及识别

耳蜗实质上相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ下，人耳的感知能力与频率成线性关系；而在1000HZ以上，人耳的感知能力与频率不构成线性关系，而更偏向于对数关系，这就使得人耳对低频信号比高频信号更敏感。Mel频率的提出是为了方便人耳对不同频率语音的感知特性的研究。频率与Mel频率的转换公式为：

MFCC在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的研究成果，采用这种技术语音识别系统的性能有一定提高。

MFCC参数的提取1、

预加重处理

预加重处理其实是一个高通滤波器，该高通滤波顺的传递函数为：

其中的取值为0.97，该高通滤波器作用是滤去低频，使语音信号的高频特性更加突现。

2、

分帧及加窗处理

由于语音信号只在较短的时间内呈现平稳性（一般认为

10-30ms），因此将语音信号划分为一个一个的短时段即一帧。同时为避免丢失语音信号的动态信息，相邻帧之间要有一段重叠区域，重叠区域一段为帧长的1/2或1/3。然后再将每帧乘上窗函数，以增加每帧左端和右端的连续性。

3、

各帧信号的FFT变换

对分帧加窗后的各帧信号进行FFT变换得到各帧的频谱。并对语音信号的频谱取模平方得到语音信号的功率谱。

4、

三角滤波器系数的求取

定义若干个带通三角滤波器(k)，0<=m<=M，M为滤波器个数，其中心频率为f(m),每个带通三角滤波器的频率响应为

且满足Mel(f(m))-Mel(f(m-1))=Mel(f(m+1))-Mel(f(m))

求得滤波系数为m(i),i=1,…,p，p为滤波器阶数

5、

三角滤波并进行离散余弦变换DCT

C(i)即为所要求提取的特征参数。

特征参数的识别

特征参数的识别主要采用BP神经网络算法进行预测，而在预测前需要用一定数量的样本对网络进行训练，使网络具有联想记忆和预测能力。

网络训练步骤如下：

（1）

网络初始化。确定网络输入层、隐层、输出层数目，输出层到隐层的连接权值及隐层到输出层的连接权值，同时初始化隐层阈值a和输出层阈值b;

（2）

隐层的输出计算。隐层输出式中，l为隐含层节点数；f为隐含层激励函数，本实验选取函数为:

（3）

输出层输出计算。根据隐含层输出H，连接权值和阈值b，计算BP神经网络预测输出O.

（4）

误差计算。根据网络预测输出O和期望输出Y，计算网络预测误差e.

（5）

权值更新。根据网络预测误差e更新网络连接权值,

其中，为学习速率。

（6）

阈值更新。根据网络预测误差e更新网络节点阈值a,b. （7）

判断算法迭代是否结束，若没有结束，返回步骤（2）。

BP神经网络分类

用训练好的BP神经网络分类语音特征信号，根据分类结果分析BP神经网络分类能力。

将四种音乐风格的数据各1500组共6000组MEL特征数据随机抽取4000组进行训练网络，剩下的2000组特征向量进行辨识，得到各类风格的正确率如下：

rightridio =

1.0000

0.9261

0.9129

0.8399

下图为BP网络误差：MATLAB程序如下：

clear;

clc;

%%%%%%%%采集的四种音乐各500000个数据%%%%%%%%%%%%%%%%%%%%%

load f:\课程\voice_reco\c1 x1

load f:\课程\voice_reco\c2 x2

load f:\课程\voice_reco\c3 x3

load f:\课程\voice_reco\c4 x4

%%%%%%%%%%%%%%%对语音信号进行预加重处理%%%%%%%%%%%%%%%%%%

len=length(x1);

heigt=0.98;

for i=2:len

x1(i)=x1(i)-heigt*x1(i-1); end

for i=2:len

x2(i)=x2(i)-heigt*x2(i-1); end

for i=2:len

x3(i)=x3(i)-heigt*x3(i-1);

end

for i=2:len

x4(i)=x4(i)-heigt*x4(i-1);

end

%%%%%%%%%%%%%%MEL三角滤波参数%%%%%%%%%%%%%%%%%%%%%%%%%%%

fh=20000;

melf=2595*log(1+fh/700);

M=24;

i=0:25;

f=700*(exp(melf/2595*i/(M+1))-1);

N=256;

for m=1:24

for

k=1:256

x=fh*k/N;

if (f(m)<=x)&&(x<=f(m+1))

F(m,k)=(x-f(m))/(f(m+1)-f(m));

else if (f(m+1)<=x)&&(x<=f(m+2))

F(m,k)=(f(m+2)-x)/(f(m+2)-f(m+1)); else

F(m,k)=0;

end

end

end

end

m=N/2;

for k=1:12