Extracting discriminatory feature vectors that contain speaker specific information is of crucial importance in speaker identification. Although the cepstrum coefficients on the Mel frequency scale are commonly used as feature vectors, it is demonstrated in this paper that linear and ERB frequency scales provide better results compared to the Mel scale. In the paper, ERB, Bark and linear scales are compared with Mel scale on the TIMIT and NTIMIT databases. On the TIMIT database, an identification rate of 100% is obtained with the linear frequency scale when the filter-bank is placed in 0-8 KHz range, and a rate of 98.81% is obtained with the ERB scale using 0-4 KHz filter-bank frequency range. On the NIMIT database, 73.51% identification rate is achieved with linear scale, resulting in 2.97% improvement over that of the Mel scale.

Kişileri birbirinden ayırt edici özellikleri taşıyan öznitelik vektörlerinin elde edilmesi, konuşmacı tanımanın en önemli kısmıdır. Öznitelik vektörü olarak her ne kadar Mel frekans ölçeğindeki kepstrum katsayıları yaygın olarak kullanılsa da, bu makalede görüleceği üzere doğrusal ve ERB frekans ölçekleri kullanılarak Mel ölçeğe kıyasla daha iyi sonuçlar elde edilmiştir. Bu makalede, TIMIT ve NTIMIT veritabanları için, Mel ölçeği ile ERB, Bark ve doğrusal ölçek karşılaştırılmıştır. TIMIT veritabanında süzgeç dizilerinin yerleştirildiği frekans bandı 0-8 kHz için doğrusal ölçekle %100, 0-4 kHz frekans bandı için ERB ölçekle %98.81 konuşmacı tanıma oranı elde edilmiştir. NTIMIT veritabanında doğrusal ölçekle %73.51 konuşmacı tanıma oranı elde edilip Mel ölçeğe kıyasla %2.97 tanıma artışı sağlanmıştır.