基于MFCC与基频特征贡献度识别说话人性别

提出了一种复杂场景下基于MFCC与基频特征贡献度的说话人性别识别方法.该方法有效融合了基于Mel频率倒谱系数的模板匹配方法和基音频率判别方法.实验语音数据库包括5 000个孤立词语音和1 260个带情感的语音.在安静环境下说话人的性别识别率可以达到98.88%,在信噪比为10dB的babble噪声下通过谱减法降噪后的识别率为90.2%.实验表明:说话人情绪对性别识别的影响较大,尤其是男声.

基于改进MFCC和GMM的语音性别识别分析

阐述基于改进MFCC和GMM的语音性别识别技术的特点,通过抽取改进的MFCC语音特征,利用不同阶数、不同协方差矩阵的高斯混合模型来进行说话人性别识别,采用不同参数结果进行对比,得到最优的结果参数。实验结果表明,MFCC和GMM能够有效地用于说话人性别分类。