[發明專利]面向家居環境的智能哭聲檢測方法

在審

• 申請號: 201810208673.4
• 申請日: 2018-03-14
• 公開（公告）號: CN108461091A
• 公開（公告）日: 2018-08-28
• 發明（設計）人: 張暉;毛小旺
• 申請（專利權）人: 南京郵電大學
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L17/02;G10L17/04
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

1.一種面向家居環境的智能哭聲檢測方法，其特征在于，包括如下步驟：

S1，采集哭聲與非哭聲語音信號，分兩類存入樣本庫；并對樣本庫中各類語音信號進行預處理，得到各類語音信號對應的語音幀序列；

S2，對S1中所述語音幀序列中每一幀，提取24維的音頻特征，得到各類語音信號對應特征向量序列；

S3，以S2中所述特征向量序列，作為GMM訓練樣本，采用EM算法，分別訓練哭聲GMM模型和非哭聲GMM模型；并提取訓練好的GMM模型中各個高斯分量的均值參數，組成均值向量序列；

S4，對S3所述均值向量序列中每一個向量，添加類別標簽，并保存到均值特征樣本集；并以均值特征樣本集作為訓練樣本，訓練SVM模型；

S5，采集待識別的音頻信號，并按照S1至S2的方法，提取信號對應的音頻特征序列；其次，將音頻特征序列中每一幀信號，與S3中所述均值向量序列中每一個均值向量，計算二者的似然概率，取概率最大值所對應的均值向量，作為GMM模型對該幀信號的判決結果；最后，遍歷音頻特征序列中所有幀，得到均值向量序列X＝{X₁,X₂,...,X_p,...,X_L}；其中，X_p為第p幀信號對應的均值向量，L為音頻特征序列長度；

S6，將S5中所述均值向量序列X＝{X₁,X₂,...,X_p,...,X_L}，輸入SVM模型，逐幀進行判決，最后將每幀判決結果h(X_p)，按照下式進行累加求均值，得到最終音頻文件的識別結果R；

其中，h(X_p)為SVM模型判決函數，輸出值為1或-1；若R取值為正，則待識別音頻信號判決為哭聲；若R取值為負，則待識別音頻信號判決為非哭聲。

2.根據權利要求1所述的面向家居環境的智能哭聲檢測方法，其特征在于，S1中所述對各類語音信號進行預處理，具體包括如下步驟：

S201，將采集到的各類語音信號，轉換成對應數字信號，分兩類存入樣本庫；

S202，對S201所述數字信號，依次進行歸一化、預加重、分幀、加窗處理后，得到各類語音信號對應的語音幀序列。

3.根據權利要求1所述的面向家居環境的智能哭聲檢測方法，其特征在于，S2中所述對語音幀序列中每一幀信號，提取24維的音頻特征，具體包括如下步驟：

S301，對語音幀序列中每一幀信號，經過FFT變換、Mel濾波器組、對數變換、DCT變換后提取12維的MFCC特征C(m)；

其中，C_i(m)代表語音幀序列中第i幀信號的MFCC特征，1≤i≤L，L為音頻幀序列長度；m為特征分量的標號，1≤m≤12；

S302，對S301所述MFCC特征C(m)，按照如下差分公式，計算12維差分MFCC特征ΔC(m)；

其中，ΔC_l(m)代表音頻幀序列中第l幀信號的差分MFCC特征，2≤l≤L-2，-2≤k≤2；

S303，將S301與S302所述特征合并，組成24維的音頻特征C＝{c₁,c₂,...,c_w,...,c₂₄}，1≤w≤24。

4.根據權利要求1所述的面向家居環境的智能哭聲檢測方法，其特征在于，S3中所述用特征向量序列訓練GMM模型過程中，采用改進的K-means方法對GMM模型進行初始化，具體包括如下步驟：

S401，根據GMM設置的分量數M，從特征向量序列中，隨機選取M個聚類中心點O＝{O₁,O₂,...,O_j,...,O_M}；其中，O_j表示第j個聚類中心，是24維向量；

S402，計算特征向量序列中，第n幀特征向量

C_n＝{c_n1,c_n2,...,c_nw,...,c_n24}

中數據的方差其中，1≤w≤24；

S403，采用如下所示加權的歐氏距離公式，比較第n幀特征向量與各個聚類中心的距離Dis(n,O_j)，1≤j≤M，選取最小距離對應的聚類中心，作為第n幀特征向量的聚類結果；

S404，對特征向量序列中所有幀，執行S402至S403操作，得到所有幀的聚類結果；

S405，重新劃分每個類的聚類中心，以每個類所包含特征向量的均值作為該類新的聚類中心；并計算新、舊聚類中心的歐式距，是否小于0.001；若是，初始化過程結束；否則，繼續迭代進行S402至S404的處理步驟，直至滿足新、舊聚類中心的歐式距小于0.001的條件。