基于DSP嵌入式說話人識別系統(tǒng)的設計

2．1 語音信號的端點檢測

語音信號的端點檢測目的是去除語音信號中的噪聲段。端點檢測從很大程度上影響到識別率。常用方法有短時能量法，短時過零率法和雙門限法等。本系統(tǒng)選用雙門限法，實驗表明，效果優(yōu)于前兩種方法。在雙門限方法端點檢測中，閾值的選擇尤為關鍵，該系統(tǒng)的語音采樣頻率設為8 kHz，語音分幀為每幀80個點。經(jīng)過多次實驗，這里短時能量低閾值通過式(3)的動態(tài)方式得到，高閾值設為低閾值的5倍。而過零率的閾值選取應充分考慮到噪聲的影響，通過大量實驗發(fā)現(xiàn)系統(tǒng)中噪聲的過零率一般不超過5，所以對過零率的閾值選取為25，取得了很好的效果，準確率達到95％以上。

ITU=0．03(amp_max-amp_min)+amp_min (3)

在端點檢測過程中有時會遇到突發(fā)性的干擾噪聲，這種噪聲持續(xù)時間很短，一般小于5 ms。為了消除這種干擾，這里用檢測后的起止長度判斷它是不是語音。如果所檢測到的語音長度足夠的短，則可以把它當成是噪聲。

2．2 特征參數(shù)的提取

語音信號的特征提取是說話人身份識別的難點。能否用相對簡單的方法提取出一種最能體現(xiàn)說話人個性信息的特征將成為以后研究的方向。該系統(tǒng)中用的是能體現(xiàn)人耳聽覺特性的Mel倒譜系數(shù)(MFCC)。

MFCC著眼于人耳的聽覺機理，依據(jù)聽覺的結(jié)果來分析語音的頻譜，獲得了很好的識別率和很好的噪聲魯棒性，它利用了聽覺系統(tǒng)的臨界效應，描述人耳對感知的非線性特性。在DSP硬件資源配置中，MFCC在識別性能和DSP內(nèi)部空間占用方面也取得了很好的平衡。在該系統(tǒng)中使用16個濾波器(M=16)構(gòu)成的濾波器組。圖4所示是MFCC的提取過程。

2．3 識別方法選擇與實現(xiàn)

基于該系統(tǒng)對速度、識別效率、存儲空間的要求，這里的識別方法選為高斯混合模型。高斯混合模型(GMM)可以看成是狀態(tài)數(shù)為1的連續(xù)分布隱馬可夫模型CDHMM。一個M階混合高斯模型的概率密度函數(shù)是由M個高斯概率密度函數(shù)加權(quán)求和得到，所示如下：

式中：X是一個D維隨機向量；bi(Xi)是子分布，i=1，2，…，M是子分布；ωi是混合權(quán)重，i=1，2，…，M。對GMM模型參數(shù)的估計方法該系統(tǒng)采用最大似然估計。對于一組長度為T的訓練矢量序列X={X1，X2，…，XT}，GMM的似然度可表示為：

由于式(5)是參數(shù)λ的非線性函數(shù)，很難直接求出其最大值。因此，該系統(tǒng)采用EM算法估計參數(shù)λ。