32、语音信号共振峰轨迹分析用于说话人识别

语音信号共振峰轨迹分析用于说话人识别

1. 方法介绍

• 共振峰对齐方法原理 ：基于语音信号参考片段中共振峰频率比率的说话人识别方法（“共振峰对齐”方法），是在任意语音语境下研究相同的瞬时发音（声道配置）。与传统的语音频谱分析或微观分析方法不同，该方法识别和数值比较研究语音材料中的特殊片段，即对应于语音学上相同发音的声音频谱图，这有助于识别专家不熟悉语言的说话人。研究语音信号时，会对至少前三个共振峰F1 - F3的位置进行数值比较，这些共振峰对应于语音学上相同的发音，通过自动构建的共振峰轨迹分析来确定。
• 共振峰对齐方法步骤 ：
  1. 共振峰轨迹识别 ：使用专门开发的自动共振峰提取器识别待比较语音图的共振峰轨迹。该提取器是软硬件综合体的一部分，基于线性预测系数（LPC）滤波器计算实现的算法自动选择语音信号的共振峰轨迹。LPC滤波器是声道的频谱模型，其最大幅度 - 频率响应（AFR）特性在位置和宽度上对应于声道的共振峰频率。计算语音信号每帧的线性预测系数，构建LPC滤波器，计算其AFR特性并获得共振峰最大值，通过特殊算法追踪这些最大值来构建共振峰轨迹。构建共振峰轨迹的算法步骤包括：将数据向量序列（帧）映射到线性预测滤波器频谱的最大值序列，再将最大值向量序列映射到轨迹中。
  2. 参考片段自动搜索 ：在已确定说话人身份的样本语音图中，自动搜索对应于吉普赛语语音音素 /a/、/o/、/e/、/ı/ 最具对比性类型的前两个语义上有区别的共振峰频率代表值的参考片段（RFs）。通常是F1和F2及其在共振峰