[發明專利]基于時頻脊線-Hough變換的漢語聲調識別方法

在審

• 申請號: 201410509560.X
• 申請日: 2014-09-28
• 公開（公告）號: CN104299611A
• 公開（公告）日: 2015-01-21
• 發明（設計）人: 于鳳芹
• 申請（專利權）人: 江南大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L13/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于時頻脊線-Hough變換的漢語聲調識別方法,其特征是：

把攜帶漢語聲調的韻母語音信號用種時頻分布來表示,則漢語的聲調信息則體現在時頻分布圖像中的脊線變化趨勢上，通過對時頻分布圖像進行二值化、閾值化、細化等預處理后得到反映聲調變化趨勢的線段，對這些線段進行Hough變換，根據Hough變換參數來識別漢語的聲調。

2.如權利要求1所述的基于時頻脊線-Hough變換的漢語聲調識別方法，其特征是：通過對攜帶聲調的韻母進行SPWVD,將韻母語音信號的瞬時頻率隨時間的變化過程在時頻面清晰地表現出來。

語音是典型的非平穩信號，時頻分布是分析非平穩信號分析的有力工具。魏格納-威力分布(Wigner-Ville?Distribution,WVD)具有最好的時頻聚集性，但對于多分量信號存在交叉項，交叉性的存在干擾了信號的真實時頻分布。平滑的偽魏格納-威力分布(Smoothed?Pseudo?Wigner-Ville?Distribution,SPWVD)，通過在時域和頻域加窗函數平滑來抑制WVD的交叉項，兼顧了時頻聚集性和交叉項抑制。

漢語的聲調由韻母攜帶，即聲調信息反映在語音的濁音段上，本發明通過對攜帶聲調的韻母進行SPWVD,將韻母語音信號的瞬時頻率隨時間的變化過程在時頻面清晰地表現出來，在時頻圖中時頻脊線表示的是瞬時頻率隨的變化過程，是信號能量最集中的區域。SPWVD時頻脊線清晰地表現了不同聲調脊線隨時間的變化，同一韻母的不同聲調其時頻脊線沿時間軸的變化各不相同。

3.如權利要求1所述的基于時頻脊線-Hough變換的漢語聲調識別方法，其特征是：對SPWVD圖像進行二值化、閾值化、細化進一步預處理，提取出時頻脊線的中心線。

由于漢語韻母屬于濁音發聲因而呈現諧波性，即在時頻圖中會出現一條或幾條時頻脊線，但這幾條時頻脊線的變化趨勢基本相同，對于聲調識別只需提取其中一條時頻主脊線即可。為此，需要對SPWVD時頻矩陣進行閾值化處理。由于SPWVD通過加時窗和頻窗對WVD進行平滑來抑制交叉項，導致其時頻聚集性變差，即時頻脊線變粗，此時提取出來的時頻脊線有一定的寬度，如果直接對SPWVD進行Hough變換，會增加運算時間，因此，需要對SPWVD圖像進行二值化、閾值化、細化進一步預處理，提取出時頻脊線的中心線。

4.如權利要求1所述的基于時頻脊線-Hough變換的漢語聲調識別方法，其特征是：將提取的SPWVD時頻脊線的中心線進行Hough變換，得到反映線段截距和夾角參數以及線段起始和末端點的坐標值的參數空間值。

Hough變換將被檢測圖像中的直線在參數空間里與直線參數對應的位置聚集形成尖峰，根據尖峰的個數和位置，從而得到圖像空間的直線及直線的參數。Hough變換的基本思想是點-線對偶性，圖像變換前在圖像空間，變換后在參數空間。在圖像空間中共線的點對應在參數空間里相交的線，反過來，在參數空間相交于同一個點的所有直線在圖像空間都有共線的點與之對應。根據點-線對偶性，當給定圖像空間的一些邊緣點，就可通過Hough變換確定連接這些點的直線，Hough變換把在圖像空間中的直線檢測問題轉換到在參數空間里對點的檢測問題，通過對參數空間里相交的點進行累加統計，就可完成直線的檢測和參數估計任務。

5.如權利要求1所述的基于時頻脊線-Hough變換的漢語聲調識別方法，其特征是：根據Hough變換得到線段參數空間來識別聲調

根據法線距離ρ和法線與X軸正向的夾角θ的值和相應直線的始末端點坐標來判斷聲調類型。根據θ的值范圍輔以線段兩端點坐標，可以區分出四種聲調。當θ值為正角度，或者末端的縱坐標大于始端的縱坐標則為二聲；當θ值為負角度，或者末端的縱坐標小于始端的縱坐標則為四聲；若θ的較小，幾乎為0，則為一聲；其它情況為三聲。