基于多分形谱及特征优选的说话人识别系统

摘要

语音是复杂的非线性信号，这使得基于线性理论的传统说话人识别系统性能难以进一步提高。结合语音特点，基于小波极大模方法(Wavelet Transform Modulus-Maxima Method, WTMM)，提出一种语音多分形谱特征(Multifractal Spectrum Feature, MSF)提取方法，并将语音多分形谱特征与传统特征结合用于说话人识别，实验表明，在短语音说话人识别中，6维MSF与LPC结合，误识率相比单独使用LPC降低了6.4个百分点；而MSF与MFCC、LPC组合，误识率降至1.2%左右。采用贪婪策略对说话人识别的特征进行优选，从101维特征中优选出13维特征用于识别，实验结果表明优选后的特征参数能有效降低系统误识率，提高识别速度，误识率最低降至1.6%，识别时间减少约86%。