[發(fā)明專利]基于模態(tài)波和高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法

有效

• 申請?zhí)枺?/td>: 200910027182.0
• 申請日: 2009-05-22
• 公開（公告）號: CN101566519A
• 公開（公告）日: 2009-10-28
• 發(fā)明（設(shè)計(jì)）人: 鄧艾東;趙力;包永強(qiáng)
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號: G01M7/00
• 分類號: G01M7/00;G01H1/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司
• 代理人: 許 方

1.一種基于模態(tài)波和高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法，其特征在于包括以下步驟：

(1)采用碰摩聲發(fā)射試驗(yàn)裝置獲得聲發(fā)射信號；

(2)對步驟1所述的聲發(fā)射信號進(jìn)行短時分幀，對每個短時幀分別提取倒譜系數(shù)，并將每個短時幀依次經(jīng)過基于波形長度的分形維算法、中值濾波得到分形維，將每個短時幀對應(yīng)的倒譜系數(shù)和分形維共同組成識別碰摩聲發(fā)射信號的混合特征參數(shù)；

(3)確定碰摩聲發(fā)射信號中的模態(tài)波種類：

當(dāng)D_i-D_i+1＞0.4，且D_i+1至D_i+n的平均值小于1.4，則為模態(tài)類型1；當(dāng)D_i-D_i+1＞0.4，且D_i+1至D_i+n的平均值大于1.4，則為模態(tài)類型3；

當(dāng)D_i-D_i+1＜-0.4，則為模態(tài)類型2，其中D_i為步驟2所述的發(fā)生跳變的第i個短時幀的Katz-MF分形維，n為分形維數(shù)量，i和n都為自然數(shù)，下同；

(4)對于每一種類型的模態(tài)波分別建立一個相對應(yīng)的高斯混合模型：采用所有模態(tài)波密度的均值矢量?、協(xié)方差矩陣∑_i和混合權(quán)值a_i參數(shù)化得到高斯混合模型?并將步驟2所述的碰摩聲發(fā)射信號中的每個模態(tài)波分別經(jīng)過高斯混合模型訓(xùn)練得到N個聲發(fā)射信號模態(tài)波模板，N為模態(tài)波數(shù)量，N為自然數(shù)，下同；

(5)將待識別信號重復(fù)步驟2后經(jīng)過步驟4所述的聲發(fā)射信號模態(tài)波模板匹配輸出各模態(tài)波模型的似然概率，按設(shè)定的權(quán)值比例合并各模態(tài)波模型的似然概率得到總似然概率；

(6)當(dāng)步驟5所述的總似然概率大于門限值，則待識別信號中存在聲發(fā)射信號。

2.根據(jù)權(quán)利要求1所述的基于模態(tài)波和高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法，其特征在于步驟4所述的混合權(quán)值滿足條件：?N為模態(tài)波數(shù)量為自然數(shù)。

3.根據(jù)權(quán)利要求1或2所述的基于模態(tài)波和高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法，其特征在于，步驟5所述的得到總似然概率的方法如下：

a)對于待識別信號矢量的序列?分別計(jì)算每幀的高斯混合模型概率?

b)將步驟a所述的每幀的高斯混合模型概率?采用最大比合并方法計(jì)算每幀似然概率?其中λ_i為高斯混合模型即每一個模態(tài)波的模型參數(shù)；

c)將步驟b所述的每幀似然概率?對短時幀幀數(shù)求和得到總似然概率：?其中?分別為T個待識別信號矢量，T為短時幀幀數(shù)，λ為總似然概率的模型參數(shù)。

4.根據(jù)權(quán)利要求1或2所述的基于模態(tài)波和高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法，其特征在于，所述的混合權(quán)值a_i參數(shù)取為：?其中λ_i為高斯混合模型即每一個模態(tài)波的模型參數(shù)，?為每幀似然概率，?為待識別信號序列中第t個矢量，t為自然數(shù)，1≤t≤T，T為短時幀幀數(shù)為自然數(shù)。?