[發明專利]一種基于語音聲學特征的聲帶異常檢測方法

在審

• 申請號: 201710101549.3
• 申請日: 2017-02-24
• 公開（公告）號: CN106941005A
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 李艷雄;李先苦;張聿晗;張雪
• 申請（專利權）人: 華南理工大學
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L25/03;G10L25/24;G10L25/66;A61B5/00
• 代理公司: 廣州市華學知識產權代理有限公司44245
• 代理人: 李斌

技術領域

本發明涉及語音信號處理和機器學習技術，尤其涉及一種基于語音聲學特征的聲帶異常檢測方法。

背景技術

語音是人類交流的重要手段之一，語音交流障礙嚴重影響人們的正常生活。聲帶病變是導致語音交流障礙的主要因素之一。聲帶異常情況的準確診斷是發音康復治療的前提，在臨床醫學中尤為重要。傳統的聲帶異常檢測方法是采用喉鏡或者電聲門圖儀。基于喉鏡的檢測方法具有入侵性，將喉鏡插入測試者喉部，需要測試者極力配合，會給測試者帶來難以接受的痛苦。另外，做喉鏡檢測時測試者沒法正常發聲，無法檢測聲帶振動情況，具有一定的局限性。基于電聲門圖儀的檢測方法需要將兩個電極板緊貼在測試者頸部，也會給測試者帶來不適感，不適合頸部肥胖者，特別是老人、女性和小孩。

發明內容

本發明的主要目的在于克服現有技術的缺點與不足，提供一種基于語音聲學特征的聲帶異常檢測方法，本發明的方法通過提取測試者語音的聲學特征，再采用GMM分類器進行判決，從而診斷測試者的聲帶是否異常。

為了達到上述目的，本發明采用以下技術方案：

一種基于語音聲學特征的聲帶異常檢測方法，包括下述步驟：

S1、讀取語音：讀入語音樣本，得到語音序列S(n)；

S2、預處理：對語音數據進行預加重、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；

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

S4、訓練高斯混合模型(Gaussian Mixture Model,GMM)：以特征矩陣F作為輸入，采用期望最大化(Expectation Maximization,EM)算法分別訓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。

優選的，步驟S2中預處理包括如下步驟：

S2.1、預加重：利用數字濾波器h(n)對語音數據進行濾波處理，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：將預加重后的語音數據進行分幀處理，設置語音幀的幀長L，幀移S；

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

其中N表示一幀語音的采樣點數，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：

得到語音流的能量特征矢量E＝[E₁,E₂,…,E_T]，其中T為總幀數；

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，因為各種環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。

優選的，步驟S3提取聲學特征的步驟包括：

S3.1、提取MFCC，具體步驟如下：