分数傅立叶变换用于说话人特征提取研究

• 作 者: 张永亮
• 机 构: 湘潭大学
• 出 处: 湘潭大学
• 发表日期: 2005年期
• 关键词: 说话人识别 特征提取 分数傅立叶变换 分数余弦变换 分数倒谱

特征提取是从语音信号中获得有效地表征说话人个性特质的参数，它是说话人识别的关键，也是语音信号处理研究的重点，因而受到极大的关注。
目前，在说话人识别中，常用的特征参数有基音周期、共振峰、倒谱系数、LPC 系数及其派生参数、Mel频率倒谱系数等，其中，基音周期、共振峰和倒谱系数的获取均是基于傅立叶变换。分数傅立叶变换是传统傅立叶变换的推广，作为新的时频分析工具，已经被广泛地应用于信息安全、模式识别、光学系统分析、量子理论等领域。在本文中，我们将分数傅立叶变换应用于说话人的特征提取，获得了一些初步结果。
首先，用前两个整数阶余弦变换的线性叠加构造了一种分数余弦变换，并基于特征值及特征向量计算的方法将其扩展成K 周期形式，讨论了其在数字水印中的应用。其次，设计了一种折线消波的自相关函数的基音检测方法，该方法的准确性优于中心消波的自相关函数法；另外，用线性预测的最大似然估计法进行基音检测，其准确性和鲁棒性也较以前的方法有所提高。再次，推导了周期信号的分数自相关函数，为突出峰值特性，将其推广为广义分数自相关函数，并用于基音检测。实验表明，方法在准确性和鲁棒性方面均优于自相关函数法。最后，在传统倒谱的计算过程中，用分数傅立叶变换取代傅立叶变换，进行推广的倒谱分析，得到分数倒谱；
并实验对比了清、浊音的分数倒谱。类似地，将Mel 频率倒谱系数推广到分数形式，测试了在不同变换阶次下说话人的正确识别率。结果发现，在我们实验范围内，分数Mel 频率倒谱系数在这方面应用的性能与Mel频率倒谱系数相比，并没有明显差异。