基于时频分布与MFCC的说话人识别

针对MFCC不能得到高效的说话人识别性能的问题,提出了将时频特征与MFCC相结合的说话人特征提取方法。首先得到语音信号的时频分布,然后将时频域转换到频域再提取MFCC+MFCC作为特征参数,最后通过支持向量机来进行说话人识别研究。仿真实验比较了MFCC、MFCC+MFCC分别作为特征参数时语音信号与各种时频分布的识别性能,结果表明基于CWD分布的MFCC和MFCC的识别率可提高到95.7%。     

Gabor变换与双线性时频分布的时频结构

时频聚集性和交叉项是衡量时频分布性能的主要评价指标。Gabor变换是一种线性变换且不存在交叉项,而双线性时频分布具有良好的时频聚集性但存在交叉项。从图像处理的角度对Gabor变换和双线性时频分布的时频图像进行处理,可以得到既具有良好的时频聚集性,又减少交叉项的时频分布。仿真实验表明这种方法可以得到更加精细的语音时频结构。