[發(fā)明專利]一種基于深度音頻特征的構(gòu)音障礙嚴(yán)重程度估計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810223054.2
• 申請(qǐng)日: 2018-03-19
• 公開（公告）號(hào): CN108597542A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計(jì)）人: 李鵬乾;李艷雄;李錦彬
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G10L25/66
• 分類號(hào): G10L25/66;G10L25/30;G10L25/27;G10L25/03;G10L25/12
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 王東東

1.一種基于深度音頻特征的構(gòu)音障礙嚴(yán)重程度估計(jì)方法，其特征在于，包括如下步驟：

S1、對(duì)語音數(shù)據(jù)進(jìn)行預(yù)處理，提取聲學(xué)特征，所述聲學(xué)特征包括線性預(yù)測(cè)系數(shù)、基頻、基頻微擾、振幅、振幅微擾，過零率及共振峰，得到語音數(shù)據(jù)特征矩陣F＝[線性預(yù)測(cè)系數(shù)，基頻，基頻微擾，振幅，振幅微擾，過零率，共振峰]；

S2、將語音數(shù)據(jù)特征矩陣F作為輸入，通過無監(jiān)督預(yù)訓(xùn)練和有監(jiān)督精確調(diào)整兩個(gè)步驟構(gòu)造帶瓶頸層的深度神經(jīng)網(wǎng)絡(luò)特征提取器，從深度神經(jīng)網(wǎng)絡(luò)特征提取器的瓶頸層提取語音數(shù)據(jù)所對(duì)應(yīng)的深度音頻特征；

S3、將訓(xùn)練語音數(shù)據(jù)的深度音頻特征作為輸入，采用Baum-Welch算法訓(xùn)練代表正常語音、輕度構(gòu)音障礙語音、中度構(gòu)音障礙語音和重度構(gòu)音障礙語音的隱馬爾可夫模型；

S4、采用S2步驟提取測(cè)試語音的深度音頻特征，采用Viterbi算法計(jì)算深度音頻特征輸入每個(gè)隱馬爾可夫模型的輸出概率，輸出概率最大的模型對(duì)應(yīng)的類別作為判決結(jié)果。

2.根據(jù)權(quán)利要求1所述的構(gòu)音障礙嚴(yán)重程度估計(jì)方法，其特征在于，所述S1中預(yù)處理，具體包括如下步驟：

S1.1、預(yù)加重：采用傳遞函數(shù)為H(z)＝1-αz^-1的數(shù)字濾波器對(duì)輸入的語音數(shù)據(jù)進(jìn)行濾波，其中α為一個(gè)取值范圍在[0.9,1]的常系數(shù)；

S1.2、分幀：將預(yù)加重后的語音切分成固定長(zhǎng)度的語音幀，幀長(zhǎng)為L(zhǎng)，幀移為S，第t幀語音表示為x′_t(n)，1≤t≤T，0≤n≤N-1，其中T和N分別表示幀數(shù)和每幀的采樣點(diǎn)數(shù)；

S1.3、加窗：將各幀語音與窗函數(shù)ω(n)相乘，取漢明窗為窗函數(shù)ω(n)：

3.根據(jù)權(quán)利要求2所述的構(gòu)音障礙嚴(yán)重程度估計(jì)方法，其特征在于，所述S1中提取線性預(yù)測(cè)系數(shù)，具體包括以下步驟：

計(jì)算加窗后的第t幀語音x_t(n)的自相關(guān)函數(shù)R_t(j)：

得到Y(jié)ule-Walker矩陣方程，其中p為線性預(yù)測(cè)系數(shù)的階數(shù)；

采用萊文遜-杜賓算法求解上述矩陣方程，得到最終解為所提取的線性預(yù)測(cè)系數(shù)。

4.根據(jù)權(quán)利要求2所述的構(gòu)音障礙嚴(yán)重程度估計(jì)方法，其特征在于，S1中提取基頻F₀，具體采用自相關(guān)法，步驟如下：

對(duì)語音幀x_t(n)做中心削波處理，得到y(tǒng)_t(n)：

其中C_L值為語音幀最大幅度的0.65倍；

計(jì)算y_t(n)的自相關(guān)函數(shù)：

檢測(cè)R_y(i)的峰值點(diǎn)，得到峰值點(diǎn)集合VP，則基音周期，

其中I為峰值點(diǎn)數(shù)，T₀取倒數(shù)即為第t幀語音的基頻F₀(t)。