基于MFCC参数的说话人特征提取算法的改进

在说话人识别系统中,特征参数的提取对语音训练和识别有着重要的影响。对于特征参数提取模块,提出了一种新的特征参数提取算法MFCC_E(Efficient MFCC)。相对于标准算法MFCC_S(Standard MFCC),MFCC_E在特征提取模块部分减少了53%的计算量。最终实验结果说明MFCC_E的识别率为90.3%,仅比标准MFCC算法92.0%的识别率降低1.7%。因为MFCC_E算法的这种特点,使其能够更有效的适用于硬件实现。

基于改进MFCC的异常声音识别算法

在声音识别系统中,特征参数的获取对声音识别和训练有着重要的影响;MFCC算法作为典型的声音特征参数提取方法,性能稳定,识别率高;针对MFCC算法存在较大计算量的情况,提出一种改进的特征参数提取算法MFCC_E;相比于标准的MFCC算法,MFCC_E算法减少了约50%的运算量,并且易于硬件实现;实验结果表明,MFCC_E算法与MFCC算法的识别率大致相同,而计算复杂度却小很多。