一种用于说话人识别中高效计算 MFCC 的新型加窗技术
计算机视觉与模式识别
2015-06-05 v1
摘要
本文提出了一族新型加窗技术，用于从语音中自动进行说话人识别时的梅尔频率倒谱系数（MFCC）计算。所提方法基于离散时间傅里叶变换（DTFT）在频域微分相关的基本性质。经典的加窗方案（如汉明窗）经过修改以获得离散时间傅里叶变换系数的导数。数学上已证明，新计算的倒谱中固有地包含了功率谱的斜率和相位。基于我们提出的加窗函数族的说话人识别系统，相较于基线的单锥削汉明窗以及最近提出的多锥削加窗技术，均显示出显著且一致的性能提升。
引用
@article{arxiv.1206.2437,
title = {A Novel Windowing Technique for Efficient Computation of MFCC for Speaker Recognition},
author = {Md. Sahidullah and Goutam Saha},
journal= {arXiv preprint arXiv:1206.2437},
year = {2015}
}