[發明專利]一種基于特征融合的語音聲效模式檢測方法

有效

• 申請號: 201710172671.X
• 申請日: 2017-03-21
• 公開（公告）號: CN107039046B
• 公開（公告）日: 2020-03-10
• 發明（設計）人: 晁浩;智慧來;劉永利;劉志中;魯保云;余瓊霞
• 申請（專利權）人: 河南理工大學
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/18;G10L25/24;G10L25/51
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于特征融合的語音聲效模式檢測方法。該方法包括如下步驟：接收語音信號；檢測出所述語音信號中的元音，生成元音集合；提取元音集合中每一個元音的譜特征矢量序列；提取元音集合中每一個元音的頻率特征矢量序列；根據元音集合中每一個元音的譜特征矢量序列和頻率特征矢量序列生成該元音的聲效特征矢量序列；將元音集合分別與多個候選聲效模式進行匹配，生成每一個候選聲效模式的匹配值；將匹配值最大的候選聲效模式確定為語音信號的聲效模式。

技術領域

本發明涉及語音識別領域，特別涉及一種基于特征融合的語音聲效模式檢測方法。

背景技術

聲音效果(Vocal Effort)簡稱聲效，是正常人的一種發音變化的衡量，而這種發音變化是人出于正常交流的需要，根據交流時雙方距離的遠近或背景噪聲的高低自動調整發音方式所產生的。通常將聲效由低到高分為五個量級/模式：耳語、輕聲、正常、大聲、高喊。在現實的環境中，人們不可能一直都在同一種聲效水平下交流：在圖書館或者自習室里需要通過耳語的方式交流；在吵雜的場合需要大聲說話對方才能聽見；而在嘈雜的工廠車間可能就需要通過高喊的方式才能夠交流。

聲音效果的改變不僅使得聲音強度發生變化，還會影響語音信號的其它聲學特性。因此，研究不同的聲效水平下語音信號聲學特性的變化規律并準確地檢測出語音信號的聲效模式，能夠擴大語音識別技術的應用范圍，對語音識別的實用化將產生積極的推動作用。此外，聲效模式檢測對于說話人識別和語音合成等領域的實用化也具有積極的作用。

現有的語音聲效模式檢測方法通常以語音的聲強級、語句時長、幀能量分布以及頻譜傾斜為特征來訓練檢測模型，并利用訓練好的模型來識別語音的聲效模式。這種方法檢測耳語時準確率較高，這是因為耳語在發音時聲帶很少振動，所以在發音方式上與其它聲效模式之間有著顯著的區別。但是，其它幾種聲效模式中相鄰的聲效模式的語音在發音方式上并未有顯著性的差異，反映在語譜上也未有明顯的變化，而上述聲強級等特征對于發音方式相近的聲效模式辨識度較低，并不能提供有效的區分性信息。因此現有的方法對剩下的幾種聲效模式檢測則容易混淆，誤識率較高。

發明內容

本發明的目的在于針對現有技術中的聲效檢測方法在識別耳語以外的其它四種聲效模式時精度不高的缺陷，提出一種將元音的譜特征和頻率特征相結合的聲效模式檢測方法，從而提高了所有聲效模式的檢測精度。

本發明公開了一種基于特征融合的語音聲效模式檢測方法，其具體包括以下步驟：

步驟1、接收語音信號；

步驟2、檢測出所述語音信號中的元音，生成元音集合；

步驟3、提取所述元音集合中每一個元音的譜特征矢量序列；

步驟4、提取所述元音集合中每一個元音的頻率特征矢量序列；

步驟5、根據所述元音集合中每一個元音的譜特征矢量序列和頻率特征矢量序列生成該元音的聲效特征矢量序列；

步驟6、根據所述元音集合中每一個元音的聲效特征矢量序列將所述元音集合分別與多個候選聲效模式進行匹配，生成每一個候選聲效模式的匹配值；

步驟7、將匹配值最大的候選聲效模式確定為所述語音信號的聲效模式。

上述技術方案中，步驟3提取了每一個元音的譜特征矢量序列，步驟4提取了每一個元音的頻率特征矢量序列。這兩種基于語音幀的特征對于發音方式相近的聲效模式都具有更好的辨識度。其中，譜特征側重反映了語音信號各頻帶的語譜情況，頻率特征反映了語音信號在各頻帶的瞬時頻率和瞬時幅值的綜合情況。因此，基于譜特征和頻率特征生成的聲效特征矢量序列對于所有的聲效模式具有很好的識別能力。

附圖說明

圖1是根據本發明的一種基于特征融合的語音聲效模式檢測方法的流程圖；