基于EMD的MFCC语音信号特征提取算法研究 .pdfVIP

ELECTRONICSWORLD探索与观察

・

基于EMD的MFCC语音信号特征提取算法研究

河北科技大学电气工程学院冯怡林霍彦明姜峰

在语音识别系统中，选取合适的特征参数对后续的识别起着娟，章小兵，王晨，基于EMD-Teager能量和子带谱熵法的语音端

非常关键的作用。目前较为常用的是基于Mel的倒谱参数，但是算点检测：工业控制计算机，2017），最后引入一阶差分和短时能量

法中使用的短时处理技术不能很好地处理语音这种非线性信号。因进行特征混合，可以有效地提升系统的识别率。

此，本文采用一种基于EMD的MFCC特征提取算法，首先利用经

验模态分解，将语音信号分解为若干个固有模态分量，然后分别对2.传统MFCC算法

这些分量进行FFT处理，得到更细致的信号划分。最后，将得到的MFCC是一种基于Mel频率的倒谱参数，它结合了人耳的听觉

MFCC序列与MFCC的一阶差分和短时能量特征混合，用于接下来特点，能够更准确地描述出声音的基本特性。对不同频率信号，人

的实验中。实验数据表明，在不同的测试环境下，该算法对比于传耳的感知能力存在很大的差异，Mel频率很好地模拟了这一特性。

统MFCC识别率明显提高。Hz

设声音频率为f，感知频率为fmel，当f≤1000时，二者为线性关

系；当f＞1000Hz时，二者为对数关系，可近似表示为：

1.引言（1）

随着电子信息技术和互联网技术的不断发展，虽然键盘以及

虚拟键盘仍然作为人机交互的主要方式，但是语音交互这种快速发

展的方式已经被广泛应用于各个领域，为人们的生活提供了极大的

便利。语音相对于鼠标来说效率更高，而且可以传达复杂的情感特

征，对人机交互的体验有很大提升，社会发展的需求正在促使这

项技术逐步走向成熟（赵力，语音信号处理：机械工业出版社，

2003）。特征提取作为语音识别过程中的一个重要组成部分，已成

为研究的热点。特征提取就是从给定语音信号中提取出能表征该信

号的有效特征信息的过程。目前较为常用的Mel频率倒谱系数（Mel图1声音频率和感知频率的对应关系图

FrequencyCepstrumCofficients，简称MFCC）具有良好的识别效果MFCC的提取过程为：

（俸云，景新幸，叶懋，MFCC特征改进算法在语音识别中的应①对原始语音信号x(n)进行预处理操作，包括分帧和加窗：

用：计算机工程与科学，2009），但是算法中运用的短时傅里叶变分帧是将语音信号分成若干帧，把N个采样点作为一个观测单

换局限于处理线性的、平稳的信号，不能保证准确传递信号的基本位为一帧。为了确保帧与帧之间更加平滑的过渡，采样时让两个相

特征。经验模式分解（EmpiricalModeDecomposition，简称EMD）邻帧之间有一小段的重叠部分，这一小部分即为帧移，要求重叠部

可以应用于任意信号的分解，对处理非线性数据具有相当明显的MNN

分中采样点的个数=/2或/3。

优势。因此本文在傅里叶变换之前，先对信号进行EMD分解，将加窗即让每帧语音信号与窗函数相乘，目的是降低