[發(fā)明專(zhuān)利]一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610103443.2
• 申請(qǐng)日: 2016-02-25
• 公開(kāi)（公告）號(hào): CN105788603B
• 公開(kāi)（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 岳廷明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳創(chuàng)維數(shù)字技術(shù)有限公司;深圳市創(chuàng)維軟件有限公司
• 主分類(lèi)號(hào): G10L21/0208
• 分類(lèi)號(hào): G10L21/0208;G10L25/18;G10L25/54;G10L15/02
• 代理公司: 深圳市君勝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別方法，其特征在于，包括步驟：

A、輸入原始音頻信號(hào)，對(duì)所述原始音頻信號(hào)進(jìn)行采樣，然后依次進(jìn)行去噪預(yù)處理、加漢明窗以及傅氏變換處理得到頻譜數(shù)據(jù)，再依次連接每幀的頻譜數(shù)據(jù)，獲得聲譜圖；

B、獲得所述聲譜圖各頻率段的能量最大值所在點(diǎn)，并依次連接各頻率段的能量最大值所在點(diǎn)生成時(shí)間-頻率曲線；

C、將所述生成的時(shí)間-頻率曲線進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模函數(shù)；

D、通過(guò)獲得的多個(gè)本征模函數(shù)結(jié)合相應(yīng)的頻率段以及時(shí)間幀，生成用于表征原始音頻信號(hào)的多個(gè)特征值，并輸出；

所述步驟D具體包括：

D1、對(duì)每一個(gè)本征模函數(shù)等間隔取樣，獲得一組相應(yīng)的取樣序列；

D2、在所述取樣序列后追加所處的頻率段序號(hào)；

D3、對(duì)追加后的取樣序列進(jìn)行處理獲得一個(gè)哈希值；

D4、通過(guò)N組本征模函數(shù)獲得N個(gè)哈希值，共同組成一組特征值。

2.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別方法，其特征在于，所述步驟D之后還包括：

E、根據(jù)所述特征值獲取時(shí)間偏移差的分布和數(shù)量，以表征原始音頻信號(hào)。

3.根據(jù)權(quán)利要求2所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別方法，其特征在于，所述步驟E具體包括：

E1、通過(guò)所述特征值在一數(shù)據(jù)庫(kù)中進(jìn)行搜索，獲得與所述特征值相匹配的若干其他特征值所處的時(shí)間偏移構(gòu)成的時(shí)間偏移組；

E2、將所述時(shí)間偏移組中各時(shí)間偏移與所述特征值所處的時(shí)間偏移分別求得時(shí)間偏移差，再通過(guò)這些時(shí)間偏移差的分布和數(shù)量，確定需識(shí)別的目標(biāo)音頻。

4.根據(jù)權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別方法，其特征在于，所述步驟D3中，對(duì)追加后的取樣序列通過(guò)sha1哈希算法或Murmur哈希算法處理獲得一個(gè)哈希值。

5.一種基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別系統(tǒng)，其特征在于，包括：

聲譜圖獲取模塊，用于輸入原始音頻信號(hào)，對(duì)所述原始音頻信號(hào)進(jìn)行采樣，然后依次進(jìn)行去噪預(yù)處理、加漢明窗以及傅氏變換處理得到頻譜數(shù)據(jù)，再依次連接每幀的頻譜數(shù)據(jù)，獲得聲譜圖；

時(shí)間-頻率曲線生成模塊，用于獲得所述聲譜圖各頻率段的能量最大值所在點(diǎn)，并依次連接各頻率段的能量最大值所在點(diǎn)生成時(shí)間-頻率曲線；

經(jīng)驗(yàn)?zāi)B(tài)分解模塊，用于將所述生成的時(shí)間-頻率曲線進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，獲得多個(gè)本征模函數(shù)；

特征值輸出模塊，用于通過(guò)獲得的多個(gè)本征模函數(shù)結(jié)合相應(yīng)的頻率段以及時(shí)間幀，生成用于表征原始音頻信號(hào)的多個(gè)特征值，并輸出；

所述特征值輸出模塊具體包括：

取樣單元，用于對(duì)每一個(gè)本征模函數(shù)等間隔取樣，獲得一組相應(yīng)的取樣序列；

追加單元，用于在所述取樣序列后追加所處的頻率段序號(hào)；

哈希處理單元，用于對(duì)追加后的取樣序列進(jìn)行處理獲得一個(gè)哈希值；

向量組成單元，用于通過(guò)N組本征模函數(shù)獲得N個(gè)哈希值，共同組成一組特征值。

6.根據(jù)權(quán)利要求5所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別系統(tǒng)，其特征在于，還包括：

分布數(shù)量獲取模塊，用于根據(jù)所述特征值獲取時(shí)間偏移差的分布和數(shù)量，以表征原始音頻信號(hào)。

7.根據(jù)權(quán)利要求6所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別系統(tǒng)，其特征在于，所述分布數(shù)量獲取模塊具體包括：

時(shí)間偏移組獲取單元，用于通過(guò)所述特征值在數(shù)據(jù)庫(kù)中進(jìn)行搜索，獲得與所述特征值相匹配的若干其他特征值所處的時(shí)間偏移構(gòu)成的時(shí)間偏移組；

時(shí)間偏移差計(jì)算單元，用于將所述時(shí)間偏移組中各時(shí)間偏移與所述特征值所處的時(shí)間偏移分別求得時(shí)間偏移差，再通過(guò)這些時(shí)間偏移差的分布和數(shù)量，確定需識(shí)別的目標(biāo)音頻。

8.根據(jù)權(quán)利要求5所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解的音頻識(shí)別系統(tǒng)，其特征在于，所述哈希處理單元中，對(duì)追加后的取樣序列通過(guò)sha1哈希算法或Murmur哈希算法處理獲得一個(gè)哈希值。