帧间差分相位谱帧长和帧移的最优设置方法

摘要

多数说话人识别算法涉及的短时傅立叶变换相位部分,因对其函数表达式的数学处理存在问题,往往被忽略。帧间差分相位谱的特征提取方法着眼于折中考虑相位突变检测能力和相位噪声两方面要求,但仅靠经验分析确定帧长和帧移缺乏理论依据,因此本文提出利用互信息准则对其进行最优设置。基于TIMIT语料库的说话人识别测试实验表明,这种最优帧长和帧移下的识别性能明显优于经验分析所得参数的结果。