[發明專利]語音信號處理以表示用戶聲帶狀態的方法及裝置、存儲介質、電子設備

有效

• 申請號: 201711482746.0
• 申請日: 2017-12-29
• 公開（公告）號: CN108269574B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 孔常青;高建清;鹿曉亮
• 申請（專利權）人: 安徽科大訊飛醫療信息技術有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/14;G10L17/22;G10L25/03
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 王立民

1.一種語音信號處理方法，其特征在于，所述方法包括：

采集待測用戶的語音數據，所述語音數據為所述待測用戶按照預設條件輸入的濁音語音數據；

提取所述待測用戶的語音數據的聲學特征，包括將所述待測用戶的語音數據切分為至少一個語音單元，從各語音單元中提取聲學特征；所述聲學特征用于表示所述待測用戶的聲帶狀態，包括獲得待測用戶的多條語音數據中同一個聲學特征的特征方差，所述特征方差用于表征所述待測用戶在不同時刻的發音變化；

將所述聲學特征作為輸入，經預先構建的語音分類模型處理后，確定出所述待測用戶的發音特征。

2.根據權利要求1所述的方法，其特征在于，所述預設條件為不小于預設持續時長，則所述采集待測用戶的語音數據，包括：

采集所述待測用戶單次輸入的濁音語音數據；判斷所述單次輸入的濁音語音數據的持續時長是否小于所述預設持續時長；如果所述單次輸入的濁音語音數據的持續時長不小于所述預設持續時長，則將所述單次輸入的濁音語音數據確定為所述待測用戶的語音數據；

或者，

采集所述待測用戶多次間斷輸入的濁音語音數據；判斷所述多次間斷輸入的濁音語音數據的總持續時長是否小于所述預設持續時長；如果所述多次間斷輸入的濁音語音數據的總持續時長不小于所述預設持續時長，則將所述多次間斷輸入的濁音語音數據確定為所述待測用戶的語音數據。

3.根據權利要求1所述的方法，其特征在于，所述預設條件為不小于預設間斷次數，則所述采集待測用戶的語音數據，包括：

采集所述待測用戶多次間斷輸入的濁音語音數據；判斷所述多次間斷輸入的濁音語音數據的間斷次數是否小于所述預設間斷次數；如果所述多次間斷輸入的濁音語音數據的間斷次數不小于所述預設間斷次數，則將所述多次間斷輸入的濁音語音數據確定為所述待測用戶的語音數據。

4.根據權利要求1所述的方法，其特征在于，所述提取所述待測用戶的語音數據的聲學特征，包括：

將所述待測用戶的語音數據切分為至少一個語音單元，提取各語音單元如下特征中的至少一個，作為所述待測用戶的語音數據的聲學特征：能量特征、基頻特征、短時過零率特征、停頓特征、頻率微擾特征、振幅微擾特征、諧波噪聲比、循環周期密度熵、去趨勢波動分析特征、非線性的基頻變化特征、聲紋特征，

其中，

所述頻率微擾特征用于表示相鄰基音周期之間聲波基音頻率的變化，

所述振幅微擾特征用于表示相鄰基音周期之間聲波幅度的變化，

所述循環周期密度熵用于表示所述語音信號周期性的不確定性，

所述去趨勢波動分析特征用于表示隨機噪聲自相似程度的語音特征，

所述非線性的基頻變化特征用于表示語音單元對應的語音信號的平穩性。

5.根據權利要求4所述的方法，其特征在于，如果采集到N條待測用戶的語音數據，N≥2，則所述提取所述待測用戶的語音數據的聲學特征，包括：

分別提取每條待測用戶的語音數據的聲學特征，并計算該聲學特征在N*M個語音單元的特征方差，作為所述N條待測用戶的語音數據的聲學特征，M表示每條待測用戶的語音數據切分出的語音單元的數目。

6.根據權利要求1至5任一項所述的方法，其特征在于，構建所述語音分類模型的方式為：

采集樣本用戶的樣本語音數據，所述樣本語音數據為所述樣本用戶按照預設條件輸入的濁音語音數據，所述樣本用戶包括正常發音特征用戶以及異常發音特征用戶；

提取所述樣本語音數據的聲學特征；

確定所述語音分類模型的拓撲結構；

利用所述拓撲結構，以及所述樣本語音數據的聲學特征，訓練所述語音分類模型，直至所述語音分類模型輸出的發音特征與所述樣本用戶具有的發音特征相符。