如何利用MFCC特征和MEL滤波器在Matlab中实现说话人识别？

本文共计631个文字，预计阅读时间需要3分钟。

1. 简介说话人识别是利用说话人的语音特征进行身份确认的技术。通过提取说话人的语音信号特征，与预先提取的说话人语音特征进行比较，来确说话人的身份。该方法涉及到的特征包括说话人个性差异、发音器官的差异以及发音声道的个性差异等。

1 简介

说话人识别是利用说话人的语音信号的特征同预先提取的说话人语音特征相比较来确定或鉴别说话人的身份。它涉及到说话人发音器官上的个性差异、发音声道之间的个性差异、发音习惯之间的个性差异等不同级别上的差异，因此，说话人识别是交叉运用心理学、声学、语音学、人工智能、数字信号处理、信息理论、模式识别理论、最优化理论、计算机科学等知识的综合性课题。本章节对说话人识别系统基本组成、说话人识别的分类、文本无关的说话人识别系统和说话人识别系统性能评价进行探讨。

正在上传…重新上传取消

​

编辑

​

编辑

​

编辑

正在上传…重新上传取消

​

编辑

​

编辑

2 部分代码

function f=zero_pass(x)%calculate the zero_passing ratio of x %原型：f=zcro(x)%参数说明： x：输入矩阵，每一行为一帧数据% f：返回列矩阵，第i个数为x中第i帧的过零率[row col]=size(x);f=zeros(row,1);for i=1:row for j=1:col-1 if x(i,j)*x(i,j+1)<0; f(i)=f(i)+1; end endend

3 仿真结果

​

编辑

4 参考文献

[1]周春晖. 基于MFCC特征和GMM模型的说话人识别系统研究[D]. 兰州理工大学, 2013.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。