摘 要: 基于聽覺模型的特性,仿照MFCC參數(shù)提取過程,提出了一種基于Gammatone濾波器組的說話人語音特征提取方法。該方法用Gammatone濾波器組代替三角濾波器組求得倒譜系數(shù),并且可以調(diào)整Gammatone濾波器組的通道數(shù)和帶寬。將該方法所求得的特征在高斯混合模型識(shí)別系統(tǒng)中進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該特征在一定情況下優(yōu)于MFCC特征在系統(tǒng)的識(shí)別率,同時(shí)在Gammatone濾波器組通道數(shù)較高或?yàn)V波器帶寬較小的情況下,系統(tǒng)具有較高的識(shí)別率。
關(guān)鍵詞: 聽覺模型;Gammatone濾波器組;MFCC;特征;識(shí)別率
聲音的感受細(xì)胞在內(nèi)耳的耳蝸部分,而基底膜是耳蝸接收聲音最重要的組織。聲波在外耳腔引起空氣振動(dòng),從而引起行波沿基底膜的傳播[1]?;啄?nèi)有許多平行走向的膠原樣纖維,稱為聽弦。聽弦長短不同,靠近蝸底較窄,靠近蝸頂較寬。基底膜約有24 000條聽弦,能夠?qū)Σ煌l率的聲音產(chǎn)生共鳴,分別反映不同頻率的聲音[2]。不同頻率的聲音產(chǎn)生不同的行波,其峰值出現(xiàn)在基底膜的不同位置上,研究發(fā)現(xiàn),不同的聲音頻率沿著基底膜的分布是對(duì)數(shù)型的[3]。
早在1992年,PATTERSON R就提出了耳蝸模型,該模型是基于一系列帶通濾波器——Gammatone濾波器組[4]實(shí)現(xiàn)的,該濾波器組能夠很好地模擬基底膜的分頻特性。本文提出了一種基于Gammatone濾波器組的特征提取方法,該方法能夠很好地提取說話人語音信號(hào)的特征,并且具有很高的識(shí)別率。
從圖6可以看出,64通道的GFCC靜態(tài)特征參數(shù)比MFCC靜態(tài)特征具有更好的識(shí)別率。
同時(shí),將不同order值、不同濾波器組通道數(shù)所得的GFCC參數(shù)在識(shí)別系統(tǒng)中進(jìn)行了識(shí)別率比較,如圖7所示。其中,order值分別為0.1、0.5、1,濾波器組通道數(shù)分別為48、64、128。從圖7可以看出,濾波器組通道數(shù)越高,識(shí)別率越高;order值越小,識(shí)別率越高。
本文介紹了基于人耳聽覺特性的Gammatone濾波器組的特征提取方法,并通過實(shí)驗(yàn)驗(yàn)證了該特征在濾波器通道數(shù)較多或ERB(f)較小時(shí)具有較高的識(shí)別率。但是同時(shí)也得出只有在濾波器組通道數(shù)較高時(shí)才有較高的識(shí)別率,增加了數(shù)據(jù)的復(fù)雜度。在以后的研究中需要考慮通過降低濾波器組的通道數(shù)提高識(shí)別率的方法。
參考文獻(xiàn)
[1] JOHANNESMA P I M. The pre-response stimulus ensemble of neurons in the cochlear nucleus[C]. Proceedings of the Symposium on Hearing Theory, 1972:58-69.
[2] COOKE M P. Modeling auditory proeessing and organization[M]. Cambridge,U.K: Cambridge University Press,1993.
[3] 韓紀(jì)慶,張磊,鄭浩然.語音信號(hào)處理[M].北京:清華大學(xué)出版社,2008.
[4] SLANEY M. An efficient implementation of the patterson-holdswort auditory filter bank. Apple ComPuter Teehnieal RePort#35 Pereeption GrouP-Advaneed Technology GrouP[R]. ComPuter, Inc:Apple, 1993.
[5] Shao Yang, Wang Deliang. Robust speaker identification using auditory features and computational auditory scene analysis[C]. IEEE International Conference on Acoustics, Speech, and Signal Processing,2008,5:1589.
[6] SRINIVASAN S, Wang Deliang. Transforming Binary uncertainties for robust speech recognition[C]. IEEE Transactions on Audio, Speech and Language Processing, 2007,15(7):2130-2140.
[7] Wang Deliang, BROWN G J. Computational auditory scene analysis: principles, algorithms, and applications[M]. Hoboken, NJ: Wiley-IEEE Press, 2006.
[8] 王男,錢志鴻,王雪,等.基于伽馬通濾波器組的聽覺特征提取算法研究[J].電子學(xué)報(bào),2010,38(3).