[發(fā)明專利]一種基于語音聲學(xué)特征的聲帶異常檢測方法

在審

• 申請?zhí)枺?/td>: 201710101549.3
• 申請日: 2017-02-24
• 公開（公告）號: CN106941005A
• 公開（公告）日: 2017-07-11
• 發(fā)明（設(shè)計）人: 李艷雄;李先苦;張聿晗;張雪
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L25/03;G10L25/24;G10L25/66;A61B5/00
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司44245
• 代理人: 李斌

1.一種基于語音聲學(xué)特征的聲帶異常檢測方法，其特征在于，包括如下步驟：

S1、讀取語音：讀入語音樣本，得到語音序列S(n)；

S2、預(yù)處理：對語音數(shù)據(jù)進(jìn)行預(yù)加重、分幀、加窗和去靜音處理，得到語音幀S_t(n)，1≤t≤T，其中T表示語音幀數(shù)；

S3、提取聲學(xué)特征：從語音幀S_t(n)中提取梅爾頻率倒譜系數(shù)MFCC，基頻F₀，基頻微擾Jitter，振幅微擾Shimmer，諧噪比HNR，得到特征矩陣F＝[梅爾頻率倒譜系數(shù)MFCC，基頻F₀，基頻微擾Jitter，振幅微擾Shimmer，諧噪比HNR]；

S4、訓(xùn)練高斯混合模型GMM：以特征矩陣F作為輸入，采用期望最大化EM算法分別訓(xùn)練代表聲帶異常和聲帶正常的高斯混合模型θ_A和θ_N；

S5、聲帶異常判決：將測試語音的特征矩陣F分別輸入高斯混合模型θ_A和θ_N，得到相應(yīng)的輸出概率P(F|θ_A)和P(F|θ_N)，如果P(F|θ_A)>P(F|θ_N)，則測試語音的說話人聲帶異常，否則正常。

2.根據(jù)權(quán)利要求1所述的一種基于語音聲學(xué)特征的聲帶異常檢測方法，其特征在于，步驟S2中預(yù)處理包括如下步驟：

S2.1、預(yù)加重：利用數(shù)字濾波器h(n)對語音數(shù)據(jù)進(jìn)行濾波處理，h(n)的Z變換H(z)表示為：

H(z)＝1-μz^-1，

其中μ取0.98；

S2.2、分幀：將預(yù)加重后的語音數(shù)據(jù)進(jìn)行分幀處理，設(shè)置語音幀的幀長L，幀移S；

S2.3、加窗：將每幀語音S_t(n)與窗函數(shù)相乘，其中窗函數(shù)為漢明窗ω(n)：

其中N表示一幀語音的采樣點(diǎn)數(shù)，且N＝L×f_s，其中f_s表示語音采樣頻率；

S2.4、去靜音：

S2.4.1、計算第t幀語音S_t(n)的能量E_t：

$E_t=\underset{n=1}{\overset{N}{\Σ}}{S}_t^2\left(n\right),1\≤t\≤T$

得到語音流的能量特征矢量E＝[E₁,E₂,…,E_T]，其中T為總幀數(shù)；

S2.4.2、用固定的能量門限判斷靜音與語音有很大的局限性，因?yàn)楦鞣N環(huán)境下的語音能量相差很大，但語音與靜音之間能量大小的相對關(guān)系是不變的，所以定義每幀語音的能量門限T_E：

T_E＝min(E)+0.3×[mean(E)-min(E)]

其中，min(E)是各幀能量的最小值，mean(E)是各幀能量的平均值；

S2.4.3、將每幀語音的能量與能量門限比較，低于能量門限的幀為靜音幀，否則為語音幀，舍棄靜音幀，保留語音幀。