基于高斯混合模型的脚步声身份识别方法

针对脚步声身份识别数据少、识别准确率低的问题,提出一种以相邻两个脚步声信号作为基本单元,基于高斯混合模型(GMM)实现脚步声身份识别的方法.首先,使用滤波和谱减法相结合的方法对原始脚步声信号进行降噪处理;其次,根据脚步声压级信号和自适应阈值对自然行走状态下连续脚步声信号的起始点进行检测,并将相邻两个脚步声信号作为一个脚步声单元;最后,以声学特征梅尔频率倒谱系数(MFCC)、感知线性预测(PLP)系数作为脚步声单元的特征参数,使用GMM对特征参数进行建模和识别,实现行走人的身份识别.在200人的数据集中进行仿真实验,识别率最高达到98％;同时,在仅用一个脚步声单元进行身份识别时,识别率达到67.5％.仿真结果表明,所提方法能够在数据集人数较多时达到较高的识别率;且在测试数据不足的情况下,识别率显著提高,极大地提高了脚步声身份识别系统的性能.