基于 LPC 和 MFCC 得分融合的说话人辨认

来源：计算机技术与发展杂志2016年第01期北京时间：

作者：单燕燕

摘要：实验室环境下，说话人识别研究已经取得很大进展，但是在实际生活中，说话人识别系统的性能受到环境噪声、健康状况等因素的影响很大。日常生活中，感冒是不可避免的。而感冒往往会诱发鼻腔的炎症，改变鼻腔的容积和形状，引起说话人声音的改变，导致说话人识别性能下降。文中研究测试者感冒时说话人识别系统的性能。为了有效利用不同特征参数得分的互补性，针对基于 GMM 模型的说话人辨认系统，提出了将特征 LPC 和 MFCC 分别应用于该系统，并将二者的得分归一化后进行融合计算。实验结果表明，对正常语音来说，与 LPC 特征系统相比，该方法能够有效提升辨认性能；对感冒语音来说，当高斯成分为16时，较之 LPC 特征系统，该方法提升辨认性能12.5%左右，较之 MFCC 特征系统，该方法也能提升8.5%左右的辨认性能。

关键词：感冒语音;说话人辨认;得分融合;得分归一化