实验二语音信号的特征提取

1、实验二语音信号的特征提取实验目的1、熟练运用MATLAB件进行语音信号实验。2、熟悉短时分析原理、MFCC勺原理。3、学习运用MATLAB编程进行MFCC勺提取。4、学会利用短时分析原理提取MFCC寺征序列。实验仪器设备及软件MATLAB三、实验原理1、MFCC语音识别和说话人识别中，常用的语音特征是基于Mel频率的倒谱系数(即MFCC)。MFCC参数是将人耳的听觉感知特性和语音的产生机制相结合。Mel频率可以用如下公式表示：fMei=2595log(1f/700)在实际应用中，MFCC倒谱系数计算过程如下；将信号进行分帧，预加重和加汉明窗处理，然后进行短时傅里叶变换并得到其频谱。求出频谱平方

2、，即能量谱，并用M个Mel带通滤波器进行滤波；由于每一个频带中分量的作用在人耳中是叠加的。因此将每个滤波器频带内的能量进行叠加，这时第k个滤波器输出功率谱x(k)。将每个滤波器的输出取对数，得到相应频带的对数功率谱；并进行反离散余弦变换，得到L个MFCC系数，一般L取1216个左右。MFCC系数为MCn八logx(k)cos：(k-0.5)n/M,n=1,2,.,LkJ将这种直接得到的MFCC特征作为静态特征，再将这种静态特征做一阶和二阶差分，得到相应的动态特征。2、LPC由于频率响应H(ejw)反映声道的频率响应和被分析信号的谱包络，因此用log|H(ejw)|做反傅里叶变换求出的LPC倒谱

3、系数。通过线性预测分析得到的合成滤波器的系统函数为pH(z)=1心八眈)，其冲激响-A应为h(n)。h(n)的倒谱为h(n)，H(z)二、h(n)z就是说H(z)的逆变换h(n)是存在的。设h(0)=0式H(z)=6h(n)z两边同时对Z-1求导，得1p1-aizi-1.:z:A亠AJh(n)z得到nh(n)z1nz4nz1Pi4iaiziAP1-、mzi=1，于是有(1二aiz1)二nh(n)z!1-bo=iaiz亠1令其左右两边z的各次幕前系数分别相等，得n=1A到h(n)和ai间的递推关系Ah(1)=a1an4ah(n)=an+迟(1一丄)aih(nk),1兰n兰pi仝n，按其可直接从预

4、测系数ai求得倒谱APAh(n)=W(1一丄)aih(n1),npi壬nh(n)。这个倒谱是根据线性预测模型得到的，又称为LPC倒谱。LPC倒谱由于利用线性预测中声道系统函数H(z)的最小相位特性，因此避免了一般同态处理中求复对数的麻烦。四、实验步骤及程序MFCC特征序列、实验步骤输入样本音频给样本音频预加重、分帧、加窗将处理好的样本音频做傅里叶变换进行Mel频率滤波进行Log对数能量对样本求倒谱输出MFCC图像、MFCC提取程序流程图图3.1MFCC特征提取、MFCC特征提取实验源程序closeallclearclcx=wavread(1.wav);bank=melbankm(24,256,

5、8000,0,0.5,m);bank=full(bank);bank=bank/max(bank(:);fork=1:12n=0:23;dctcoef(k,:)=cos(2*n+1)*k*pi/(2*24);endw=1+6*sin(pi*1:12./12);w=w/max(w);xx=double(x);xx=filter(1-0.9375,1,xx);xx=enframe(xx,256,80);fori=1:size(xx,1)y=xx(i,:);s=y.*hamming(256);t=abs(fft(s);t=t.A2;c仁dctcoef*log(bank*t(1:129);c2=c1.*w;m(i,:)=c2：endfigureplot(m);xlabel(帧数);ylabel(幅度);title(MFCC);五、实验结果与分析MFCCMFCC1511111*30111111111020406080100120140160180200帧数图3.3MFCC特征提取图像通过计算MFCC参数，获得了声纹识别的特征参数。由于MFCC参数是对人耳听觉特征的描述，因此，可以认为，不同声纹的MFCC参数距离，能够代表人耳对两个语音听觉上的差异，可以为声纹的识别提供可靠的依据。六、实验