基于改进噪声估计的谱减法应用于说话人识别

计算机测量与控制．２０１　６．２４（４）　Ｃｏｍｐｕｔｅｒ　Ｍｅａｓｕｒｅｍｅｎｔ＆Ｃｏｎｔｒｏｌ　·　１５５　·　文章编号：１６７１—４５９８（２０１６】０４—０１５５—０４　ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１ｌ一４７６２／ｔｐ．２０１６．０４．０４６　中图分类号：ＴＮ９１２．３４　文献标识码：Ａ　基于改进噪声估计的谱减法应用于说话人识别　李哲军　，周　萍　，景新幸　（１．桂林电子科技大学电子工程与自动化学院，广西桂林５４１００４；　２．桂林电子科技大学信息与通信学院，广西桂林　５４１００４）　摘要：针对语音信号中存在加性噪声使ＭＦＣＣ的鲁棒性和识别系统的性能下降的问题，基本谱减法的引入在增强ＭＦＣＣ抗噪性上取　得的效果有限，为了使ＭＦＣＣ具有更好的抗噪性，提出了一种改进算法，在谱减法的基础上引入谱熵的思想，利用谱熵值的分布逐帧进　行噪声估计，可更精确地谱减去噪；实验结果表明，当语音中含有加性噪声时，与基本谱减法相比，改进谱减法的说话人识别系统抗噪　性与鲁棒性更好。　关键词：说话人识别；谱减法；谱熵；噪声估计；梅尔频率倒谱系数　Ｓｐｅａｋｅｒ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｕｓｉｎｇ　Ｓｐｅｃｔｒａｌ　Ｓｕｂｔｒａｃｔｉｏｎ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　Ｉｍｐｒｏｖｅｄ　Ｎｏｉｓｅ　Ｅｓｔｉｍａｔｉｏｎ　Ｌｉ　Ｚｈｅｊ　ｕｎ　，Ｚｈｏｕ　Ｐｉｎｇ　，Ｊｉｎｇ　Ｘｉｎｘｉｎｇ　（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，Ｇｕｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ　５４１００４，Ｃｈｉｎａ；　２．Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｇｕｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ　５４１００４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｔｈａｔ　ａｄｄｉｔｉｖｅ　ｎｏｉｓｅ　ｉｎ　ｓｐｅｅｃｈ　ｓｉｇｎａｌ　ｍａｋｅｓ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｏｆ　ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ　ｄｅｇｒａｄａｔｅ　ｗｈｅｎ　ｕｓｉｎｇ　ＭＦＣＣ．Ｔｈｅ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ｔｒａｄｉｔｉｏｎａｌ　ｓｐｅｃｔｒａｌ　ｓｕｂｔｒａｃｔｉｏｎ　ａｃｈｉｅｖｅｄ　ｓｏｍｅ　ｅｆｆｅｃｔ　ｏｎ　ｅｎｈａｎｃｉｎｇ　ｎｏｉｓｅ　ｉｍｍｕｎｉｔｙ　ｏｆ　ＭＦＣＣ，ｂｕｔ　ｔｈｅ　ｉｍｐｒｏｖｅｍｅｎｔ　ｉｓ　ｌｉｍｉｔｅｄ．Ｔｏ　ｇｅｔ　ａ　ｂｅｔｔｅｒ　ｒｅｓｕｌｔ，ａ　ｎｏｖｅｌ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｓｐｅｃｔｒａｌ　ｓｕｂｔｒａｃｔ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．Ｔｈｅ　ｃｏｎｃｅｐｔ　ｏｆ　ｓｐｅｃｔｒａｌ　ｅｎｔｒｏ—　ＰＹ　ｉｓ　ｉｎｔｒｏｄｕｃｅｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｓｕｂｔｒａｃｔｉｏｎ，ｔｈｅ　ｎｏｉｓｅ　ｏｆ　ｅａｃｈ　ｆｌａｍｅ　ｉｓ　ｅｓｔｉｍａｔｅｄ　ｍｏｒｅ　ａｃｃｕｒａｔｅｌｙ　ａｃｃｏｒｄｉｎｇ　ｔＯ　ｉｔｓ　ｓｐｅｃｔｒａｌ　ｅｎｔｒｏｐｙ　ａｎｄ　ｓｕｂｔｒａｃｔｅｄ　ｔＯ　ｇｅｔ　ｂｅｔｔｅｒ　ｄｅｎｏｉｓｉｎｇ　ｅｆｆｅｃｔ．Ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｗｈｅｎ　ｔｈｅｒｅ　ｉｓ　ａｄｄｉｔｉｖｅ　ｎｏｉｓｅ　ｉｎ　ｔｈｅ　ｔｅｓｔ　ｓｐｅｅｃｈ，ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｔｒａｄｉ—　ｔｉｏｎａｌ　ｓｐｅｃｔｒａｌ　ｓｕｂｔｒａｃｔｉｏｎ，ｔｈｅ　ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ　ｏｆ　ｎｏｖｅｌ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｂｅｔｔｅｒ　ｎｏｉｓｅ　ｉｍｍｕｎｉｔｙ　ａｎｄ　ｒｏｂｕｓｔｎｅｓｓ．　Ｋｅｙｗｏｒｄｓ：ｓｐｅａｋｅｒ　ｒｅｃｏｇｎｉｔｉｏｎ；ｓｐｅｃｔｒａｌ　ｓｕｂｔｒａｃｔｉｏｎ；ｓｐｅｃｔｒａｌ　ｅｎｔｒｏｐｙ；ｎｏｉｓｅ　ｅｓｔｉｍａｔｉｏｎ；ＭＦＣＣ　０　引言　、‘　ｔｒａｃｔｉｏｎ，ＳＳ），相比传统ＭＦＣＣ，加入谱减法的系统处理含有　加性噪声的语音时性能有提高但程度有限，于是提出了改进算　声纹识别Ⅲ是通过语音识别说话人的身份，与指纹识别、　文字密码等认证技术相比，其具有不会遗失、无须记忆、实现　简单等特点，是一种非接触识别方式。有效特征参数＿２　的提取　法以进一步提高ＭＦＣＣ的抗噪性。在基本谱减法基础上引入　谱熵＿６　的概念，根据谱熵的定义和性质分析噪声与语音信号的　谱熵分布规律，用以动态更新噪声谱值，使谱减更精确、所提　取的ＭＦＣＣ抗噪性更好。此外，实验采用ＧＭＭ－ＵＢＭ模型＿７　代替ＧＭＭ模型以弥补样本的不足。实验结果表明改进谱减法　的说话人识别系统抗噪性改善明显。　是其关键问题，常见的特征参数有线谱对参数（ＬＳＰ）、线性　预测倒谱参数（ＬＰＣＣ）、Ｍｅｌ频率倒谱系数（ＭＦＣＣ）等，其　中ＭＦＣＣ因能充分描述人耳的感知特性而应用广泛［３］。　语音纯净不含噪时ＭＦＣＣ的鲁棒性及系统识别效果都比较　好，但系统在语音含噪时的识别性能下降明显。针对语音中存　在的加性噪声降低识别性能的问题，已经有许多改进算法ｌ４］，　有倒谱均值与方差规整（ＣｅｐｓｔｒａｌＭｅａｎ　ａｎｄ　Ｖａｒｉａｎｃｅ　Ｎｏｒｍａｌｉｚａ—　ｔｉｏｎ，ＣＭＶＮ）、特征弯折、ＲＡＳＴＡ滤波等，都曾被用来提高　ＭＦＣＣ的鲁棒性，但它们都存在需要延迟处理的缺点。　首先，本文研究了语音增强中的谱减法¨￡］（Ｓｐｅｃｔｒａｌ　Ｓｕｂ一　１　ＭＦＣＣ特征参数　常用特征参数可分为时域和频域两类，时域中有幅度、平　均过零率等参数；频域中有线谱对参数（ＬＳＰ）、线性预测倒　谱系数（ＬＰＣＣ）、共振峰频率、Ｍｅｌ频率倒谱系数（ＭＦＣＣ）　等，其中ＭＦＣＣ因反映了人耳听觉特性而具有较好的鲁棒性。　ＭＦＣＣ采用的是梅尔频率，代表着人耳对不同频率声音　的感受程度　８］：在１　０００　Ｈｚ以下人耳感知较为敏锐，与频率　近似成线性关系；在１　０００　Ｈｚ以上人耳感知与频率成对数关　收稿日期：２０１５—１０—１０；修回日期：２０１５一ｌ１—０８。　基金项目：广西研究生教育创新计划资助项目（ＹＣＳＺ２０１５１５２）；国　家自然科学基金（６１３６３００５）。　系。梅尔频率与赫兹频率的转换公式为：　一．　２５９５１ｇ（１＋　／７００）　（１）　作者简介：李哲军（１９９０一），男，湖北天门人，硕士研究生，主要从事　语音识别方向的研究。　周萍（１９６１一），女，河北唐山人，教授，硕士研究生导师，主要从事　其提取过程如图１所示。　１）预加重：滤除低频干扰，补偿受发音系统所抑制的高　频部分，其传递函数为：　Ｈ（　）一１一ｋｚ＿１　（２）　智能控制及语音信号处理的研究。　景新幸（１９６０一），男，湖北武汉人，教授，硕士研究生导师，主要从事　其中：　介于０．９和１．０之间，本文实验中取０．９５。　２）分帧：将Ｎ个采样点集合成一个观测单位，称作帧，　语音识别及其混合集成电路的研究。　·　ｌ５６　·　计算机测量与控制　第２４卷　ｊ　Ｓ　Ｊ一［１　离　散　傅　里　叶　变　换　ｌｉｅ１　滤　波　器　组　对　数　能　量　离　散　余　弦　变　换　ｌ。一Ｅ　ｌ　｛　１］“　一［１　Ｉ　一Ｅ　ｌ　（ｌ　）］“。　（１２）　基本谱减法的核心是以无语音帧中噪声的统计均值替代整　段语音的噪声估计，但以不变的统计均值替代随机变化的噪声　进行谱减就会产生很大误差，出现残留噪声即音乐噪声。为了　改善音乐噪声问题而出现了许多改进的谱减法：有人将听觉掩　图１　ＭＦＣＣ提取流程　敝模型用于谱减法＿１　ｏ—ｌ，但要人为设定参数，会增加系统复杂　度和引入新的失真；有人提出在谱减法计算谱值时引入修正系　数＿　，但人为确定的系数并没有改变以偏概全的本质；还有　１人提出添加语音活性检测［　步骤，但在低信噪比时效果较差。　为避免相邻两帧间变化过大，相邻帧间有一段重叠区域，称作　帧移，常为Ｎ的１／２或１／３。　３）汉明窗：增加窗边界处信号的连续性，减小吉伯斯效应：　本文在基本谱减法的基础上引入谱熵的概念，用以更为精确地　）一０．５４～０．４６ｃ。ｓｆ＿　］，０≤　≤Ｎ　１（３）　４）离散傅里叶变换：将信号的时域分布变换为频域上的　能量分布：　ｘ（　）一∑　（　）８　，０≤　≤Ｎ　（４）　５）Ｍｅｌ滤波：消除谐波，降低数据维数，将离散谱Ｘ　（　）通过Ｍ个Ｍｅｌ滤波器组，得到Ｍ个ｈ（ｍ）参数：　＾（ｍ）一　ｆｍ＋　Ｗ　（　）ｘ（　），，ｍ一１，２，…，Ｍ　（５）　…Ｊｍ一１　６）离散余弦变换：将经过对数运算的滤波输出变换到倒　谱域，得到ＭＦＣＣ参数：　ｒ—●Ｍ　血（　）一√　ｃ。ｓ『（ｍ—ｏ．５）　］Ｉｎ［＾（ｍ）］，　一１，２，…，Ｍ　（６）　由以上步骤得到的静态ＭＦＣＣ，经差分运算可得到一阶差　分倒谱系数２ｘＭＦＣＣ，ＡＭＦＣＣ作为动态特征参数，能更加完　整地表征说话者的动态语音特征ｌｓ］，描述语音信号帧间变化即　说话者的动态特征。本文实验中采用ＭＦＣＣ与△ＭＦｃＣ的组　合参数。　２基于谱减法的语音增强　语音增强是从带噪语音中消去或减小其中的噪声以获得较　纯净的语音，使提取的特征参数接近于无噪声的情况。语音增　强主要有谱减法、Ｗｉｅｎｅｒ滤波法、最小均方误差估计法等，其　中谱减法具有计算量小、引入约束条件少等优点而应用广泛。　２．１基本谱减法　基本谱减法中，假定且噪声和语音不相关且噪声为加性噪　声，记为　（　），纯净语音信号为平稳信号，记为Ｓ（，２），则　带噪信号为：　（　）一５（　）＋　（ｎ）　（７）　设ｙ（　）、Ｓ（　）、ｚ（　）的傅里叶变换分别为　、ｓ　、　Ｚ　，则对（７）两边进行傅里叶变换有：　ｙ（　）一Ｓ（ｋ）＋Ｚ（　）　（８）　于是可得：　　Ｉｌ　一｝Ｓ　｛　＋ｌ　ｆ　＋Ｓ　Ｚ　＋Ｓ　（９）　由于Ｓ（　）与２２（　）相互独立，则Ｓ　和ｚ　独立，且　满足高斯分布且均值为零，则有：　Ｅ　ｌ　ｌ　ｌｌ—Ｅ　Ｉｌ　Ｓ　ｌ　ｌ＋Ｅ　Ｉ　ｌｆ　Ｉ　（１０）　记为无语音时的统计平均值，则对于分帧内的短时平稳过　程有：　Ｉ　Ｙ　『。Ｉ—ｌ　Ｓ　Ｉ。＋　（　）　（１１）　于是，增强后的语音信号为：　进行噪声估计以获得更好的去噪效果。　２．２谱熵与频谱的关系　针对短时平稳的语音信号，将其分成若干短时帧，然后经　傅里叶变换得到的短时频谱并进行归一化处理，其概率密度函　数如下：　１—１　Ｐｉ—ｓ（　）／　…　（　），ｉ一１，２，…，Ｎ　（１３）　其中：Ｓ（　）是频率分量＿，　的频谱值，对应的概率密度　值为Ｐ　，Ｎ为ＦＦＴ的频率点数，每帧谱熵定义为：　——、＾，　Ｈ一一　ｐｋｌｏｇ　ｚ（　）　（１４）　谱熵是熵的一种形式，具有熵的基本性质＿ｌ　：熵值不因　各分量的次序改变而变化；熵值在集合中的事件等概率发生时　达到最大值，例如在式（１４）中有Ｈ≤ｌｏｇ　（Ｎ）。由谱熵的　定义和性质可知，每帧谱熵值仅与频谱的分布有关，与频谱值　不直接相关，且语音谱熵值随频谱分布的变化有如下规律：　纯静语音的频率分布的范围较小，频谱Ｓ（　）及其概率　分布Ｐ　较为集中，可表示为Ｐ　一（Ｐ　，Ｐｚ，…，Ｐ　，０，０，　…，Ｏ），　一１，２，…，Ｎ，ｓ《Ｎ；噪声的频谱较为丰富，频　谱Ｓ（　）及其概率分布Ｐ　也较为分散，可表示为Ｐ　。一（Ｐ　，　Ｐ２，…，Ｐ　，０，０，…，０），ｉ一１，２，…，Ｎ，”≈Ｎ；对于　Ｈ（　）和Ｈ（Ｐ　ｚ），由于ｓ《　，根据谱熵的性质可以知Ｈ　（　ｎ）＜Ｈ（户　ｚ），即噪声的谱熵值总是大于纯净语音的。　综上可知，谱熵值受频谱分布影响且与频谱幅度不直接相　关，于是可根据谱熵值更准确地区分噪声帧和语音帧使提取的　特征参数具有更好的鲁棒性。　２．３基于谱熵的谱减法改进　噪声值的估计不准会使谱减去噪时产生音乐噪声，且噪声　值随机变化，但其谱熵值变化不大，本文根据各帧的谱熵变化　来确定并动态的更新噪声值，每一帧都减去更新后的噪声值，　由信号的短时平稳性可知，这样进行谱减更为准确ｌ　】。　基于谱熵噪声估计改进的谱减法（Ｉｍｐｒｏｖｅｄ　Ｓｐｅｃｔｒａ［Ｓｕｂ—　ｔｒａｃｔｉｏｎ，ＩＳＳ）分为３个部分：　１）初始噪声估计，将谱熵值最大的一帧作为噪声帧并将　该帧频谱值更新为初始噪声值；　２）噪声更新，根据判断新一帧与前一噪声帧谱熵值的比　值是否大于设定阈值ｒ（根据实验，取为０．９５）：是则判定此　帧为新噪声帧并更新其频谱值为噪声谱值，否则当前帧的噪声　值等于前一帧的噪声值；　３）谱减，每一帧减去更新后的噪声值完成消噪。　加入改进谱减法后的ＭＦＣＣ提取算法过程如下：　１）输入含噪语音；　第４期　李哲军，等：基于改进噪声估计的谱减法应用于说话人识别　·　１５７　·　２）对每一语音帧进行ＦＦＴ变换，得到语音频谱ｓ　，其　中，　一１，２，…，Ｎ；　３）计算每一帧的谱熵值ｈ（Ｓ　），将谱熵值最大的一帧　作为初始噪声帧，即Ｎｏｉｓｅ＝Ｓ　；　４）若新的一帧的谱熵值与前一纯噪声帧的比值大于阈值　ｙ（取为０．９５），即ｈ（Ｓ　）／ｈ（Ｓ　）＞），，　一１，２，…，Ｎ，　此时便更新噪声估计Ｎｏｉｓｅ＝Ｓ　；　５）利用前面已得到的语音谱ｓ　以及更新后的噪声帧估计　Ｎｏｉｓｅ进行谱减；　６）输出消噪后的增强语音频谱。　３　ＧＭＭ－ＵＢＭ模型　３．１　ＧＭＭ模型　ＧＭＭｌ１　模型原理是若干高斯函数的线性组合可逼近任意　曲线，其作为一种概率统计模型能精确地描绘说话人特征参数　的概率分布。对于混合度为Ｍ、模型参数为　的ＧＭＭ，特征　矢量为ｘ，则Ｘ在该ＧＭＭ模型下的似然度为：　ｐ（Ｘ　ｌ　）：∑　Ｍ　ＣＯｉＮ　（ｘ）　（１５）　式中，咄为混合权值，满足∑　Ｍ　ＣＯ　一１；Ｎ　（ｘ）表示第ｉ个　混合高斯分量的高斯密度函数：　（　２　７ｒ）　／　ｌ＞：Ｉ　／　‘　式中，　表示均值向量，∑　表示协方差矩阵，本文∑　采用　对角阵的形式以方便计算。翠　ｆ～Ｉ（Ｘ一／１ｉ）　∑　（ｘ一　）ｌ　（１６）　　ＧＭＭ模型参数包含混合权值、均值矢量及协方差矩阵，　即　＝｛　，　，∑　｝，ｉ＝１，２，…，Ｍ，　可通过ＥＭ算　法＿ｊ　估计得出。　３．２　ＧＭＭ－ＵＢＭ模型　ＧＭＭ模型在训练和测试语音都足够长且语音较纯净的情　况下，其识别效果比较理想。当训练语音只有数十秒、测试语　音只有几秒时，ＧＭＭ模型就不能很好地刻画说话人特征。　ＧＭＭ—ＵＢＭ模型的原理是先利用所有的语音训练得到一个　ＵＢＭ，然后基于ＭＡＰ（Ｍａｘｉｍｕｍ　Ａ　Ｐｏｓｔｅｒｉｏｒｉ）自适应ＵＢＭ　得到目标说话人的ＧＭＭ模型，可用来弥补数据的不足。　ＵＢＭ是一个大型的高斯混合模型，可反映所有说话人语音特　征以及环境通道的共性，通过大量说话人在各种环境下的数据　训练获得。　黑　在ＧＭＭ—ＵＢＭ模型中，对于测试语音的特征矢量序列ｘ　一｛ｘ　｝，　一１，２，…，Ｍ，每个说话人的对数概率得分计算　公式如下：　Ｓ（ｘ）一　１厶Ｍ　［幻ｇ　ｐ（Ｘ　ｌ　Ａ　）一ｌｏｇ　ｐ（Ｘ　Ｉ　∞Ｍ）］　：１（１７）　式中，　为目标说话人的ＧＭＭ模型参数，　为ＵＢＭ模型　参数。　训练阶段利用大量的语音进行训练得到ＵＢＭ，在ＵＢＭ　的基础上通过ＭＡＰ自适应得到目标说话人的ＧＭＭ模型。测　试阶段根据已经训练好的ＵＢＭ模型和ＧＭＭ模型，利用公式　（１７）计算出对数概率得分，找到最大的得分者即目标说话人。　基于ＧＭＭ—ＵＢＭ模型的说话人识别原理框图如下：　图２　ＧＭＭ—ＵＢＭ识别模型框图　采用似然比打分的方式是一种归一化处理，可对不同的目　标话人设置统一的判决阈值。识别时分别计算似然度得分，选　取最大者对应的目标说话人即为识别结果　。　４实验结果与分析　４．１实验设置　硬件环境：ＰＣ个人计算机（Ｉｎｔｅｌ（Ｒ）Ｃｏｒｅ（ＴＭ）ｉ５—　３２ｌ０Ｍ　ＣＰＵ＠２．５　ＧＨｚ）。　软件环境：Ｗｉｎｄｏｗｓ　７操作系统、ＭＡＴＩ　ＡＢ　Ｒ２０１０ａ和　ＣｏｏｌＥｄｉｔｐｒｏ—ｖ２．０录音软件。　实验采用的语音库为自建小型普通话语音数据库。语音文　件在普通研究室环境下录制，采样频率为８　ｋＨｚ，量化精度为　１６　ｂｉｔ。６０名录音者（３４名男性、２６名女性）随机朗读５分钟　（文本无关）。从每人语音中截取ＵＢＭ训练语音（１　ｍｉｎ）、　ＧＭＭ训练语音（１０　ｓ）和测试语音（５　ｓ）。为提高本文后续　实验的有效性，进行截取时避免所截取的语音段重复。　实验采用１３维ＭＦＣＣ与１３维ＡＭＦＣＣ组成的组合参数，　按帧长２５６个采样点、帧移１２８个采样点逐帧提取语音特征参　数。训练阶段依次训练ＵＢＭ模型（高斯混合度为１２８）和　ＧＭＭ模型，之后通过ＭＡＰ自适应得到目标说话人的ＧＭＭ　模型。测试阶段从语料库中选取５Ｏ个说话人构成测试集，每　个人有５段测试语音。　４．２实验结果与分析　实验一：不同信号的幅值及谱熵值的对比：　图３纯净语音信号Ｓ　图４　Ｓ的谱熵值　从图４和图５可以看出，纯净语音信号中语音帧的谱熵值　·　１５８　·　计算机测量与控制　第２４卷　由表可见，在基于ＧＭＭ模型中，混合度为３２时的识别　性能最好，而ＧＭＭ—ＵＢＭ模型识别性能远高于ＧＭＭ模型。　实验三：不同参数在不同噪声环境中识别率对比：　分别在ＳＮＲ一１０ｄＢ、５ｄＢ、０ｄＢ、一５ｄＢ环境下，对未进　行语音增强的ＭＦＣＣ、采用基本谱减法（ＳＳ）得到的ＭＦｃＣ　和采用改进谱减法（ＩＳＳ）得到的ＭＦＣＣ进行说话人识别实　图５纯高斯白噪声Ｎ　ｊ四　壤　图６　Ｎ的谱熵值　趔　ｊ馨　样点数　图７加噪语音Ｓ１　图８　Ｓｌ的谱熵值　都比较小，在５．８上下波动，静音帧的谱熵值较大，在７．０之　上波动；从图６和图７可以看出，纯高斯白噪声的谱熵值较　大，在７．５之上波动；从图８和图９可以看出，在含噪语音　中，语音帧和噪声帧的谱熵值分别在６．０和７．２左右。因此可　据此将谱熵值最大的一帧作为噪声帧，并根据各帧的谱熵变化　来确定并动态的更新噪声值。　实验二：低噪环境中ＧＭＭ与ＧＭＭ－ＵＢＭ模型对比：　在未加噪情况下，采用未加入谱减法的ＭＦＣＣ作为特征　参数，对比ＧＭＭ与ＧＭＭ—ＵＢＭ模型识别效果，分别取　ＧＭＭ混合度为８，１６，３２，６４进行实验，得出识别率如下表　表１不同混合度的ＧＭＭ模型与ＧＭＭ—ＵＢＭ模型对比　识别模型　识别率／％　８　７５．４５　不同混合度的　１６　８２．８７　ＧＭＭ模型　３２　８８．３２　６４　８２．４３　ＧＭＭ—ＵＢＭ模型　９７．４８　验，得到识别结果如下：　表２不同信噪比下３种参数识别率　ＳＮＲ／ｄＢ　１Ｏ　５　Ｏ　一５　特征参数　ＭＦＣＣ　９５．２４　８３．４７　６５．３９　３８．９３　ＭＦＣＣ＋ＳＳ　９６．３５　８６．３３　７３．２９　５６．３２　ＭＦＣＣ＋ＩＳＳ　９６．８３　９１．５８　８４．７１　７５．４３　由表可见，在相同信噪比环境下，基本谱减法所提取的　ＭＦＣＣ性能好于未进行语音增强的ＭＦＣＣ，而本文提出的改进　谱减法提取的ＭＦＣＣ性能优于基本谱减法所提取的ＭＦＣＣ。　随着信噪比的降低，各方法提取的特征参数识别率均有所下　降，本文提出的改进谱减法所提取的ＭＦＣＣ对识别性能的改　善更为明显，在ＳＮＲ一一５ｄＢ的环境中也能达到７５　以上的　识别率，较基本谱减法所提取的ＭＦＣＣ在识别率方面有３Ｏ　以上的提高。　５　结束语　本文提出了改进谱减法用以改善加性噪声降低说话人识别　系统性能的问题，首先介绍了传统的ＭＦＣＣ提取算法，随后　对语音增强中的基本谱减法进行改进，并仿真实现了改进谱减　法的ＭＦＣＣ提取。基于ＧＭＭ—ＵＢＭ系统经加噪测试实验，结　果表明改进谱减法提取得到的ＭＦＣＣ较基本谱减法具有更强　的鲁棒性，在低信噪比环境中有更好的表现。此外，采用　ＧＭＭ—ＵＢＭ计算量较大，耗时较长，如何减少识别系统的计　算量，提高识别效率将是接下来的研究工作。　参考文献：　［１］徐子豪，张腾飞．基于语音识别和无线传感网络的智能家居系统设　计［Ｊ］．计算机测量与控制，２Ｏ１２，０１：１８０—１８２．　［２］张雪英．数字语音处理及ＭＡＴＩ　ＡＢ仿真［Ｍ］．北京：电子工业出　版社，２０１１．　［３］Ｙｕ　Ｇ　Ｈ，Ｚｈａｏ　Ｙ　Ｉ　，Ｗｅｉ　ｚ　Ｘ．Ａ　ｄｅｓｃｅｎｔ　ｎｏｎｌｉｎｅａｒ　ｃｏｎｊｕｇａｔｅ　ｇｒａ　ｄｉｅｎｔ　ｍｅｔｈｏｄ　ｆｏｒ　ｌａｒｇｅ—ｓｃａｌｅ　ｕｎｃｏｎｓｔｒａｉｎｅｄ　ｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．Ａｐ—　ｐｌｉｅｄ　Ｍａｔｈｅｍａｔｉｃｓ　ａｎｄ　Ｃｏｍｐｕｔａｔｉｏｎ，２００７，１８７（２）：６３６—６４２．　［４］曾　祺。甘涛，曾红斌．改进的多窗谱ＭＦＣＣ在说话人确认中　的应用［Ｊ］．计算机系统应用，２０１４，２３（１１）：ｌ９２—１９５．　［５］王路露，夏旭，冯　璐，等．基于频谱方差和谱减法的语音端　点检测新算法［Ｊ］．计算机工程与应用，２０１４，５０（８）：１９４　—１９７．　［６］李哗，张仁智，崔慧娟，等．低信噪比下基于谱熵的语音端点　检测算法［Ｊ］．清华大学学报（自然科学版），２００５，４５（１０）：　１３９７—１４００．　［７］周国鑫，高勇．基于ＧＭＭ—ＵＢＭ模型的说话人辨识研究［Ｊ］．　无线电系统，２０１４，４４（１２）：１４—１７．　［８］杨海燕，景新幸，曾招华．基于ＤＳＰ开发板的语音识别系统的研　究［Ｊ］．计算机测量与控制，２０１３（０１）：２１０—２１２，２２０．　（下转第１６２页）　·　１６２　·　计算机测量与控制　据发送出来。　第２４卷　安装并配置ＪＤＫ１．８、Ａｐａｃｈｅ１．９、Ａｎｄｒｏｉｄ　ＳＤＫ、Ａｎｄｒｏｉｄ　ＮＤＫ这４个软件，配置完成后即可编译生成后缀为Ａｐｋ的　Ａｎｄｒｏｉｄ程序，然后在手机上进行调试［５　］。　项目采用的软件开发工具ＱＴ是一种跨平台的开发工具，　因此只需对客户端软件进行部分修改，绘制ＡＰＰ软件界面，　模拟实际情况进行应急模式测试，在系统平稳运行采集数　据时，给通道一个超过阈值的信号，观察客户端软件发现系统　立刻进入了应急模式，完成了数据发送，事后通过回看系统日　志也证实在该时刻系统进入了应急模式。在不同采样时间段分　在配置好的环境下重新编译，即可生成ＡＰＰ软件。项目开发　的ＡＰＰ软件具有与客户端软件完全相同的功能，由于手机屏　别进行应急模式测试，从触发阈值到进入应急模式均在１秒　内，大量测试表明应急模式满足实际应用需求。　４．３系统稳定性测试　幕较小无法同时显示所有功能，分别绘制了参数设置界面、参　数和状态查询界面、实时通信界面，这３个界面可实时切换，　便于用户使用。　稳定性是系统最重要的指标，设置好各项参数后，启动系　统并进行了７２小时不间断测试，在每天固定时间启动ＡＤ子　程序进行数据采集，每天固定时间进行数据发送，每１小时进　行一次系统校时确保与卫星时间同步。　通过分析操作日志以及观察客户端的实时数据，发现系统　运行稳定，功能完善，在７２小时内未出现错误，达到了预期　的效果。　４系统测试　本文设计与实现的系统需要在恶劣环境下长期工作，为了　验证系统的可靠性和实用性，进行了大量的数据采集测试、应　急模式测试和稳定性测试。　４．１数据采集测试　利用标准信号源提供信号，接到ＡＤＣ的１６个通道上，通　５　结论　本文提出了一种基于ＡＲＭ和Ｌｉｎｕｘ的通用数据采集系统　方案，设计了主控板卡硬件电路，搭建了嵌入式Ｌｉｎｕｘ系统采　集平台，实现了１６路精确定时模拟量采样、１６路数字量采　样，具备ＲＳ２３２／４８５接口、以太网通信功能，开发的系统软　过主控板的ＡＤ子程序读取采样数据，转发到客户端软件进行　显示，结果如表２所示。　表２　ＡＤＣ数据采集测试结果　真实值　Ｖ　误差　０．Ｏ０６　０．００２　０．００３　０．ＯＯ２　０．００２　Ｏ　测量值　—４．９９４　—３．９９８　—２．９９７　—１．９９８　一Ｏ．９９８　Ｏ　５　４　３　２　１　Ｏ　件运行稳定，客户端软件具备良好人机交互界面，扩展的手机　ＡＰＰ软件功能完善，组建完成的系统功能完善、运行稳定，　在工农业生产监控、地质水文环境监测、森林灾害预防等领域　有着广阔的应用前景。　参考文献：　１　２　３　４　５　Ｏ．９９８　１．９９８　２．９９７　３．９９７　４．９９３　０．００２　Ｏ．Ｏ０２　０．００３　０．００３　０．００７　［１１柯新宇．基于ＡＲＭ的数据采集卡研制［Ｄ］．武汉：华中科技大　学，２００８．　［２］韩雪川．基于ＡＲＭ嵌入式Ｌｉｎｕｘ的数据采集监控终端设计［ＤＩ．　哈尔滨：哈尔滨工程大学，２Ｏ１Ｏ．　［３］闫广续，袁纵横，等．基于ＡＲＭ嵌入式Ｌｉｎｕｘ的数据采集系统　设计［Ｊ］．计算机测量与控制，２０１５，２３（５）：１７２４—１７２７．　由表２可以看出，获得的采样值与标准信号源的值误差在　０．０１Ｖ以内，采样率误差较小，系统可以准确地采集数据，且　数据转换精度高、误差小，符合使用要求。　４．２应急模式测试　［４］陆文周．Ｑｔ５开发及实例［Ｍ１．北京：电子工业出版社，２０１４．　［５１王森．一种基于Ａｎｄｒｏｉｄ的远程控制工具的设计与实现［Ｄ］．　西安：西安电子科技大学，２０１２．　［６］王　峰，宣伯凯，等．基于Ａｎｄｒｏｉｄ的家庭移动医疗监护系统的　设计［Ｊ］．计算机测量与控制，２０１　５，２３（５）：ｌ５８６—１５８８．　应急模式是系统监测到某个采样值超过设定的阈值时紧急　启动的一种机制，触发后立刻进入发射模式，将当天的采样数　（上接第１５８页）　［９］吴迪，曹洁，王进花．基于自适应高斯混合模型与静动态听觉　Ｊａｐａｎ，２００　７：６０　７—６ｌ２．　［１３］李振静，王国胤，杨　勇，等．基于谱熵噪声估计的改进谱减法　特征融合的说话人识别［Ｊ］．光学精密工程，２０１３，２１（６）：Ｉ５９８　—［Ｊ］．计算机工程，２００９，３５（１８）：１６４—１６６．　［１４］杜志然，周［１５１蒋萍，景新幸，等．基于谱熵的耳语音增强研究［Ｊ］．　传感器与微系统，２０１２，３ｌ（６）：６９—７２．　１６０４．　［１Ｏ］马义德，邱秀清，陈昱莅，等．改进的基于听觉掩蔽特性的语音　增强［Ｊ］．电子科技大学学报，２００８，３７（２）：２５５—２５．　［１１］茅正冲，王正创，龚熙．一种低信噪比下的说话人识别算法研　晔，唐振民．ＧＭＭ文本无关的说话人识别系统研究［Ｊ］．计　竹，霍春宝，等．基于ＧＭＭ—ＳＶＭ的说话人识别系　算机工程与应用，２０１０，４６（１１）：１７９—１８２．　究［Ｊ］．计算机应用与软件，２０１４，３１（１２）：２１８—２２０，２５１．　ｒ１２］Ｋｉｔａｏｋａ　Ｎ，Ｙａｍａｍｏｔｏ　Ｋ，ＫｕｓａｍｉｚｕＴ，ｅｔ　ａ１．．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ＶＡＤ　ｅｖａｌｕａｔｉｏｎ　ｆｒａｍｅｗｏｒｋ　ＣＥＮＳＲＥＣ－１—－Ｃ　ａｎｄ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｏｆ　ｒｅ—·　［１６］赵立辉，毛［１７］侯统研究［Ｊ］．工矿自动化，２Ｏ１４，４０（５）：４９—５３．　珏，刘　轶，郑　方，等．基于ＶＰ树结构的多层匹配算法　在哼唱识别中的应用［Ｊ］．清华大学学报（自然科学版），２００９，　４９（Ｓ１）：１４１９—１４２４．　ｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ＶＡＤ　ａｎｄ　ｓｐｅｅｃｈ　ｒｅｃｏｇｎｉｔｉｏｎ　ｐｅｒｆｏｒｍａｎｃｅ　ＬＡＪ．　Ａｕｔｏｍａｔｉｃ　Ｓｐｅｅｃｈ　Ｒｅｃｏｇｎｉｔｉｏｎ＆Ｕｎｄｅｒｓｔａｎｄｉｎｇ［Ｃ］，Ｋｙｏｔｏ，