[發(fā)明專利]地名語音信號的特征提取方法

在審

• 申請?zhí)枺?/td>: 201611180315.4
• 申請日: 2016-12-19
• 公開（公告）號: CN106782499A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 蔡熙;聶騰云;賴雪軍;謝巍;車松勛
• 申請（專利權(quán)）人: 蘇州金峰物流設(shè)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(chǎn)權(quán)代理事務(wù)所(普通合伙)31260
• 代理人: 成麗杰

技術(shù)領(lǐng)域

本發(fā)明涉及地名語音信號的特征提取方法，尤其涉及一種地名語音信號的特征提取方法。

背景技術(shù)

隨著經(jīng)濟的高速發(fā)展和全球化趨勢的日益突出，現(xiàn)代物流行業(yè)已在發(fā)達國家得到了空前的發(fā)展，并產(chǎn)生了巨大的經(jīng)濟效益和社會效益，物流資源有運輸、倉儲、分揀、包裝、配送等，這些資源分散在多個領(lǐng)域，包括制造業(yè)、農(nóng)業(yè)、流通業(yè)等。

在分揀環(huán)節(jié)中，現(xiàn)階段基本是人工進行分揀，由于工人們長期處于嘈雜的工作環(huán)境中，心里和身體上勢必會產(chǎn)生一定的疲勞感，并且工作任務(wù)的單一性和重復性也會使他們的工作狀態(tài)過于放松，這必然導致分揀精確性的下降，造成較多不可挽回的分揀失誤事故發(fā)生，工業(yè)領(lǐng)域中對流水線上的產(chǎn)品分揀進行人工檢測的方式已不能滿足現(xiàn)代化工業(yè)的需求。

語音識別發(fā)展到現(xiàn)在，作為人機交互的重要借口已經(jīng)在很多方面改變了我們的生活，從智能家居的語音控制系統(tǒng)到車載語音識別系統(tǒng)，語音識別系統(tǒng)給我們帶來了很多方便，因此將語音識別技術(shù)與物流分揀環(huán)節(jié)的融合是物流行業(yè)發(fā)展的必然要求。

而在語音識別技術(shù)中，語音特征提取技術(shù)是語音識別中極為重要的環(huán)節(jié)，其效果的好壞直接影響最終的識別結(jié)果，由于將語音識別應用在物流分揀中，主要是對孤立詞的地名語音信號進行特征提取，因此要研究出能夠代表地名語音信號的特征，并且傳統(tǒng)的語音特征提取方法應用于地名語音信號時，特征提取準確率無法保證，同時不能有效適應不同的口音，影響物流分揀的準確性。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了解決現(xiàn)有技術(shù)中存在的上述問題，提供一種地名語音信號的特征提取方法。

本發(fā)明的目的將通過以下技術(shù)方案得以實現(xiàn)：

地名語音信號的特征提取方法，包括如下過程：

S1，對經(jīng)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(shù)據(jù)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(shù)據(jù)的前128個數(shù)據(jù)通過Mel三角濾波器組，所述Mel三角濾波器組的設(shè)計過程如下：

S31，根據(jù)公式(1)、最大采樣頻率f_s(max)、三角濾波器的數(shù)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(jù)△Mel算出每個濾波器在梅爾頻率范圍內(nèi)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(jù)公式(2)將它們轉(zhuǎn)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(jù)公式(3)將每個三角濾波器的實際頻率轉(zhuǎn)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(jù)公式(4)設(shè)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(jù)公式(5)對Mel三角濾波器組的輸出作對數(shù)運算；

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(shù)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(shù)，m指的是第m個濾波器；

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

其中，L指MFCC系數(shù)的階數(shù)，此處為13，N為一幀信號的采樣點個數(shù)的一半，M為三角濾波器的個數(shù)，m指的是第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(nèi)容和第一行保持一樣，最后一行向后擴充三行，內(nèi)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)；