论文研究 基于HHT倒谱系数的说话人识别算法.pdf

针对LPCC只反应语音静态特征且不能突出其低频局部特征问题，提出一种以HHT倒谱系数为特征的说话人识别算法，HHT的经验模态分解使语音的低频局部特征得到更好的描述，Hilbert变换能够刻画语音动态特性，改进了LPCC的不足。用经验模态分解将语音分解为一系列固有模态函数分量并做Hilbert变换求得Hilbert边际谱，计算总边际谱的对数功率谱并做DCT得13维倒谱系数，将此特征送入高斯混合模型进行说话人识别。仿真实验结果表明，基于HHT倒谱系数的说话人识别算法，相较LPCC识别率提高了12.59%，但特征提取时间增加了19.27 s。