基于自适应Mel滤波器组的MFCC特征提取的SOC设计

说话人声纹身份认证技术中的关键是特征参数的准确性和模式识别的速率.为此,对识别对象的性别予以区分,并进行参数可自适应调整的Mel滤波器组设计,即通过Quartus II平台在Altera的DE2系列型号为EP2C35F672C6的开发板上完成高效率说话人声纹特征提取的SOC(片上系统)设计.设计具体步骤如下:首先,设计截止频率为400 Hz和200 Hz的低通滤波器以完成男女生基音频率的检测;然后,依据计算出的每一帧语音频谱的频率范围确定Mel滤波器组的最高频率并完成参数设计;最后,在Quartus II平台上完成Verilog-HDL代码设计,并封装为IP核完成SOC设计以及编译、仿真和下载验证.结果表明,Mel滤波器组利用率的提高有利于提高特征参数的准确性和识别速度.

融合梅尔谱和循环残差的小样本音频分类模型

针对小样本环境下音频信号分类精度急需提高的问题,首先提出自适应梅尔滤波算法提取具有更高区分度的梅尔谱图,再提出循环残差结构并结合迁移和微调构建循环残差网络频谱分类器,融合自适应梅尔滤波算法和循环残差网络频谱分类器生成一种主要用于小样本环境的音频信号分类模型。以ESC-50、music speech、Free ST Chinese Mandarin Corpus(FSCMC)为源数据集模拟四个不同属性的小样本环境。仿真显示在各小样本环境下生成模型的分类精度与MF-VGG16、10 layers CNN、CRBM等模型相比均有一定程度的提高,且精度曲线更平滑,性能更稳定。