[發明專利]地名語音信號的特征提取方法

在審

• 申請號: 201611180315.4
• 申請日: 2016-12-19
• 公開（公告）號: CN106782499A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 蔡熙;聶騰云;賴雪軍;謝巍;車松勛
• 申請（專利權）人: 蘇州金峰物流設備有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L25/45;G10L25/18;G10L25/21;G10L25/24
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙)31260
• 代理人: 成麗杰

1.地名語音信號的特征提取方法，其特征在于：包括如下過程：

S1，對經過端點檢測得到的地名語音信號進行分幀，并對每一幀進行加窗處理；

S2，對每一幀加窗之后的數據進行快速傅里葉變換得到各幀的頻譜，并對地名語音信號的頻譜取模平方得到其功率譜；

S3，取每幀數據的前128個數據通過Mel三角濾波器組，所述Mel三角濾波器組的設計過程如下：

S31，根據公式(1)、最大采樣頻率f_s(max)、三角濾波器的數量k，計算出相鄰兩個三角濾波器的中心頻率的間隔△Mel

△Mel＝f_s(max)/(k+1) (1)；

S32，根據△Mel算出每個濾波器在梅爾頻率范圍內中心頻率的分布之后，求出每一個三角濾波器的左端點Mel頻率、中心點Mel頻率和右端點Mel頻率，并根據公式(2)將它們轉換為實際頻率：

f＝(10^fm/2595-1)*700 (2)

其中f_m為Mel頻率，f為實際頻率；

S33，根據公式(3)將每個三角濾波器的實際頻率轉換成對應的采樣點坐標，并計算出每個三角濾波器的起點、中心點和終點的橫坐標；

X＝[f*128/400](3)

其中,X為實際頻率對應的坐標，f為實際頻率，取值范圍在1-4000HZ之間，中括號表示取整；

S34，根據公式(4)設計得到Mel三角濾波器組，

其中，H_l(k)表示第l個三角濾波器在位置k的值，k指的是采樣點位置，范圍是0-128，l表示第l個三角濾波器，c(l-1)表示第l個三角濾波器的起點的橫坐標，c(l)表示第l個三角濾波器的中心點的橫坐標，c(l+1)表示第l個三角濾波器的終點的橫坐標；

S4，根據公式(5)對Mel三角濾波器組的輸出作對數運算；

$\begin{array}{cc}s\left(m\right)=ln\left({\mathrm{\Σ}}_{K=0}^{N-1}\right|Xa\left(k\right){|}^{2}Hm\left(k\right))& 0\≤m\≤M\end{array}---\left(5\right)$

其中，s(m)指的是能量譜通過一組濾波器的輸出，N為一幀信號的采樣點個數的一半，Xa(k)表示第a幀信號的第k個采樣點，Hm(k)表示第m個三角濾波器的第k個值，M為三角濾波器的個數，m指的是第m個濾波器；

S5，將對數運算得到的數據根據公式(6)進行離散余弦變換，得到13維的向量,即MFCC系數；

$\begin{array}{cc}C\left(n\right)={\mathrm{\Σ}}_{m=0}^{N-1}s\left(m\right)cos\left(\frac{\mathrm{\π}n(m-0.5)}{M}\right)& n=1,2,3,L\end{array}---\left(6\right)$

其中，L指MFCC系數的階數，此處為13，N為一幀信號的采樣點個數的一半，M為三角濾波器的個數，m是第m個濾波器；

S6，在獲得地名語音信號的N幀之后，獲得N×13的特征矩陣C，將其的第一行向前擴充三行，內容和第一行保持一樣，最后一行向后擴充三行，內容和最后一行保持一樣，得到(N+6)×13的特征矩陣，按照公式(7)進行差分，得到N×13的矩陣C'(n)；

C'(n)＝{3C(n+3,:)+2C(n+2,:)+C(n+1,:)-C(n-1)-2C(n-2)-3C(n-3) 4≤n≤N+3 (7)

S7，按照S6步驟中的方法對S6步驟得到的一階差分矩陣繼續進行二階差分求取，并將N×13的特征矩陣C、一階差分得到的矩陣以及二階差分得到的矩陣三個矩陣合成N×39的特征矩陣，即得到地名語音信號的特征矩陣。