在本文的實驗系統(tǒng)中，語音特征參數(shù)依次使用了12階LPCC以及12階MFCC。最后選定12階MFCC參數(shù)。本課題建立的是與文本有關的聲紋身份確認系統(tǒng)，用于測試模型是連續(xù)CHMM模型。

實驗中我們用的是30 ms的漢明窗，依次計算它的特征參數(shù)，分別使用了12階LPCC和12階MFCC(24個Mel濾波器，語音信號的幀長度為256，信號的采樣頻率為8 000 Hz)和由此推導出的一階MFCC差分參數(shù)。LPCC特征和MFCC特征識別率比較如表4所示。

表4顯示了在測試人數(shù)為10人時，在相同的幀長下，MFCC特征的識別性能高于LPCC特征。這個結論又一次證明了倒譜特征的可區(qū)分性測度優(yōu)于LPCC特征。

實驗中，我們把第一個說話人的語音“9”，作為實驗研究樣本。圖2是數(shù)字“9”的語音波形圖，圖3是數(shù)字“9”的語譜圖。

MFCC參數(shù)是按幀計算的，在這里語音幀長度是256，信號采樣頻率是8 kHz，采用24個濾波器，MFCC特征階數(shù)是12。MFCC的優(yōu)點是在噪聲的環(huán)境下，可以表現(xiàn)出對環(huán)境更強的魯棒性。接下來一步要做的是對語音特征矢量序列進行矢量量化，矢量量化的數(shù)據(jù)壓縮效果相當好，因此進行語音處理經(jīng)常要用到。在本文的實驗中，采用LBG法聚類生成碼書。矢量量化之后這些語音特征參數(shù)就轉變成語音模型。緊接著可以開始進行下一步的操作。

在訓練階段，對數(shù)字1～9建立HMM模型，就要對10個人進行每個數(shù)字10遍訓練。第一天訓練，第二天檢測。每天一遍，一共兩遍，首先把語音信號做端點檢測，然后根據(jù)特征量計算出MFCC系數(shù)序列后，這里要用Baum-Welch算法建立各個說話人的HMM模型庫。測試階段，先保持和訓練階段一樣，提取說話人測試語音中的特征矢量，然后根據(jù)維特比算法，并以各個說話人的HMM模板為參照，計算出來該輸入序列的生成概率，根據(jù)最大的輸出概率進行判決結果。對于本課題研究的身份確認系統(tǒng)，把概率值與判決門限相比較，其值大于或等于判決門限的聲音作為受測者本人的聲音被接受，小于門限的被拒絕。

2.2 實驗結果分析

本文的實驗是與文本有關的說話人身份確認系統(tǒng)。在實驗中，分別按照不同人數(shù)進行訓練，但是測試語音數(shù)保持不變。任意抽3個人朗讀數(shù)字，在隨后的實驗中我們依次確定實驗人數(shù)為5，7和10時，這時可以看出識別率會有一些大的差異。其結果如表5所示。

實驗中的語音特征是MFCC，所用模型是連續(xù)CHMM，每一數(shù)字模型有4個狀態(tài)。在這個身份確認系統(tǒng)中，在二值判定的前提下，確認受測者是否是之前所認定的某人。從表5可以看到識別的時間比較短，當有10個人訓練時，識別率最大。為了訓練出可靠的參數(shù)模型，必須加大訓練集的數(shù)據(jù)。本實驗由于條件限制，實驗語音模板庫比較小，訓練數(shù)據(jù)不太充足，影響系統(tǒng)的一定性能。當訓練數(shù)據(jù)足夠大時，得修改補充一下程序的流程。本實驗中系統(tǒng)的識別率達到了90%以上。

3 結論

本文的實驗達到了預期的實驗效果，基本完成了身份確認的目標。但是針對語音的特征提取和模式匹配，在實驗中難免會出現(xiàn)一些誤差，出現(xiàn)誤認識和拒認識的偏差。對于說話人確認系統(tǒng)，雖然說從理論上來說，識別率和登錄的說話者量無關，但是實際上對于二值判定的說話人確認系統(tǒng)也會隨著登錄人數(shù)的增減而有所改變，怎么樣才能確保有足夠多的登錄者，登錄到說話人確認系統(tǒng)中，而它的識別率問題仍然是一個很大的課題。