基于压缩感知的鲁棒性说话人识别参数研究

来源：计算机技术与发展杂志2016年第03期北京时间：

作者：于云;周伟栋

摘要：奈奎斯特采样下的说话人识别,当为了确保高的识别率而采集较长时间说话人语音时,采样数据量特别大,其中有许多冗余造成了采样资源的浪费,压缩感知理论可以很好地解决此问题。基于压缩感知理论,文中利用行阶梯观测矩阵对信号进行投影,研究了压缩比与识别率的关系,在压缩比为1：2时,保证识别率的同时,使得采样数据量减少为原来的一半。在有噪环境下,将谱减法运用到压缩感知和特征提取过程中,在无需重构时域信号的前提下,直接从已估计的干净语音功率谱中提取具有鲁棒性的特征参数CS-SSMFCC( Compressed Sensing Spectral Subtraction Mel Frequency Cepstral Co-efficient)。实验结果表明,与传统的识别参数MFCC( Mel Frequency Cepstral Coefficient)相比,CS-SSMFCC可以有效地提高系统的鲁棒性,具有很好的抗噪性能。

关键词：压缩感知;谱减法;特征参数;鲁棒性