[發(fā)明專(zhuān)利]基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810074257.X
• 申請(qǐng)日: 2018-01-25
• 公開(kāi)（公告）號(hào): CN108417221B
• 公開(kāi)（公告）日: 2021-09-21
• 發(fā)明（設(shè)計(jì)）人: 吳澤彬;石林林;李吉;徐洋;劉瑋;唐超;陸國(guó)棟;李守凱;黃寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京理工大學(xué)
• 主分類(lèi)號(hào): G10L19/16
• 分類(lèi)號(hào): G10L19/16;G10L19/26;G10L25/03;G10L15/08
• 代理公司: 南京理工大學(xué)專(zhuān)利中心 32203
• 代理人: 陳鵬

本發(fā)明公開(kāi)了一種基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法，包括以下步驟：對(duì)一維聲碼信號(hào)進(jìn)行二維信號(hào)重組，對(duì)重組后的二維聲碼信號(hào)進(jìn)行融合濾波處理，對(duì)經(jīng)過(guò)融合濾波的二維聲碼信號(hào)根據(jù)屬性約簡(jiǎn)獲得的特征進(jìn)行模型訓(xùn)練，得到SVM分類(lèi)模型；對(duì)待檢測(cè)的數(shù)字對(duì)講機(jī)聲碼信號(hào)樣本進(jìn)行二維信號(hào)重組和融合濾波處理，使用SVM分類(lèi)模型，對(duì)融合濾波處理后的二維信號(hào)根據(jù)屬性約簡(jiǎn)獲得的特征進(jìn)行測(cè)試檢測(cè)，采用投票法對(duì)每個(gè)二維信號(hào)的測(cè)試檢測(cè)結(jié)果進(jìn)行決策級(jí)融合，得到最終的聲碼信號(hào)類(lèi)型檢測(cè)結(jié)果。本發(fā)明采用信號(hào)二維重組的方法將一維聲碼信號(hào)二維化，從而能更好地提取聲碼信號(hào)特征，提高聲碼信號(hào)類(lèi)型檢測(cè)的精度。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字信號(hào)處理領(lǐng)域，具體涉及一種基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法。

背景技術(shù)

數(shù)字對(duì)講機(jī)是采用數(shù)字技術(shù)進(jìn)行設(shè)計(jì)的對(duì)講機(jī)。數(shù)字對(duì)講機(jī)將語(yǔ)音信號(hào)數(shù)字化，以數(shù)字編碼形式傳播，對(duì)講機(jī)傳輸頻率上的全部調(diào)制均為數(shù)字。與模擬對(duì)講機(jī)相比，數(shù)字對(duì)講機(jī)具有抗干擾能力強(qiáng)、通話(huà)質(zhì)量好、頻率利用率高、保密性能好、支持?jǐn)?shù)據(jù)業(yè)務(wù)、便于進(jìn)行無(wú)差錯(cuò)中繼等特點(diǎn)，應(yīng)用廣泛。在一些特定的場(chǎng)所往往需要對(duì)數(shù)字對(duì)講機(jī)中數(shù)字信號(hào)的聲碼類(lèi)型進(jìn)行檢測(cè)，以便更進(jìn)一步識(shí)別數(shù)字對(duì)講機(jī)傳輸?shù)膬?nèi)容。

聲碼信號(hào)類(lèi)型檢測(cè)的關(guān)鍵在于信號(hào)的特征提取。現(xiàn)有的聲碼信號(hào)類(lèi)型檢測(cè)算法均是對(duì)一維聲碼信號(hào)進(jìn)行聲碼類(lèi)型檢測(cè)，由于一維的聲碼信號(hào)容易受噪聲影響，而且類(lèi)內(nèi)差異明顯，輸入信號(hào)的特征無(wú)法得到有效的提取，聲碼信號(hào)類(lèi)型檢測(cè)算法的精度和穩(wěn)定性有待提高。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法，提高數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)的精度和穩(wěn)定性，適用于小樣本聲碼信號(hào)的高精度聲碼類(lèi)型高效檢測(cè)。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為：一種基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法，包括以下步驟：

步驟1，對(duì)一維聲碼信號(hào)進(jìn)行二維信號(hào)重組，得到二維聲碼信號(hào)；

步驟2，對(duì)重組后的二維聲碼信號(hào)使用融合濾波方法進(jìn)行預(yù)處理；

步驟3，使用支持向量機(jī)作為分類(lèi)器，對(duì)經(jīng)過(guò)融合濾波的二維聲碼信號(hào)根據(jù)屬性約簡(jiǎn)獲得的特征進(jìn)行模型訓(xùn)練，得到SVM分類(lèi)模型；

步驟4，對(duì)待檢測(cè)的數(shù)字對(duì)講機(jī)聲碼信號(hào)樣本進(jìn)行二維信號(hào)重組和融合濾波處理；

步驟5，使用步驟3訓(xùn)練得到的SVM分類(lèi)模型，對(duì)融合濾波處理后的二維聲碼信號(hào)根據(jù)屬性約簡(jiǎn)獲得的特征進(jìn)行測(cè)試檢測(cè)，采用投票法對(duì)每個(gè)二維聲碼信號(hào)的測(cè)試檢測(cè)結(jié)果進(jìn)行決策級(jí)融合，得到最終的聲碼信號(hào)類(lèi)型檢測(cè)結(jié)果。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)在于：(1)本發(fā)明采用信號(hào)二維重組的方法將各類(lèi)內(nèi)差異明顯的一維聲碼信號(hào)二維化，從而能更好地提取聲碼信號(hào)特征，提高聲碼信號(hào)類(lèi)型檢測(cè)的精度；(2)使用融合濾波的方法來(lái)降低噪聲的影響，并采用屬性約簡(jiǎn)的方法，從聲碼信號(hào)的各組特征中選擇有效特征，使得聲碼信號(hào)類(lèi)型檢測(cè)更加穩(wěn)定可靠；(3)通過(guò)投票法進(jìn)行決策級(jí)融合，進(jìn)一步提高了檢測(cè)精度。

附圖說(shuō)明

圖1是基于信號(hào)二維重組融合濾波的數(shù)字對(duì)講機(jī)聲碼類(lèi)型檢測(cè)法流程圖。

具體實(shí)施方式

本發(fā)明通過(guò)信號(hào)的二維重組來(lái)解決一維信號(hào)類(lèi)內(nèi)差異過(guò)大的問(wèn)題，采用融合濾波方法來(lái)對(duì)聲碼信號(hào)進(jìn)行預(yù)處理，去除噪聲對(duì)聲碼信號(hào)的影響。應(yīng)用屬性約簡(jiǎn)的方法從預(yù)處理后的數(shù)字對(duì)講機(jī)二維聲碼信號(hào)中選擇多種有效特征進(jìn)行分析，然后將提取的聲碼信號(hào)二維聲碼信號(hào)特征輸入到SVM分類(lèi)器中訓(xùn)練得到SVM分類(lèi)模型，并使用這一分類(lèi)模型對(duì)經(jīng)過(guò)二維重組和融合濾波的測(cè)試信號(hào)進(jìn)行類(lèi)別分析。最后使用一種決策級(jí)融合方法，對(duì)預(yù)測(cè)結(jié)果進(jìn)行處理，獲得每個(gè)測(cè)試信號(hào)對(duì)應(yīng)的標(biāo)簽。該發(fā)明方法可以在訓(xùn)練樣本較小的情況下，得到高精度、穩(wěn)定、魯棒的聲碼信號(hào)檢測(cè)效果。