[發(fā)明專(zhuān)利]語(yǔ)音分類(lèi)方法、裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910716117.2
• 申請(qǐng)日: 2019-08-05
• 公開(kāi)（公告）號(hào): CN111128229A
• 公開(kāi)（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 肖萌萌;徐志京
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海海事大學(xué)
• 主分類(lèi)號(hào): G10L25/18
• 分類(lèi)號(hào): G10L25/18;G10L25/24;G10L25/51;G10L15/00;G10L15/08
• 代理公司: 上海互順專(zhuān)利代理事務(wù)所(普通合伙) 31332
• 代理人: 成秋麗

本發(fā)明提供一種語(yǔ)音分類(lèi)方法，方法包括：通過(guò)對(duì)待處理語(yǔ)音信號(hào)進(jìn)行預(yù)處理，獲得預(yù)處理語(yǔ)音信號(hào)所對(duì)應(yīng)的梅爾頻率倒譜系數(shù)、梅爾頻率倒譜系數(shù)所對(duì)應(yīng)的MFCC一階差分、MFCC二階差分；將梅爾頻率倒譜系數(shù)、梅爾頻率倒譜系數(shù)所對(duì)應(yīng)的MFCC一階差分、MFCC二階差分進(jìn)行組合，獲得特征參數(shù)；采用主成分分析對(duì)提取的特征參數(shù)進(jìn)行降維，獲得降維后特征參數(shù)；采用DAG?DBN，對(duì)所述降維后特征參數(shù)進(jìn)行訓(xùn)練及測(cè)試。此外，本發(fā)明還公開(kāi)了一種語(yǔ)音分類(lèi)裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

技術(shù)領(lǐng)域

本發(fā)明涉及音頻處理技術(shù)領(lǐng)域，特別是涉及一種語(yǔ)音分類(lèi)方法、裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)

帶有口音的語(yǔ)言交流會(huì)產(chǎn)生交流誤區(qū)，尤其是人機(jī)溝通帶來(lái)了錯(cuò)誤的理解，因此需要客服口音帶來(lái)的障礙。

口音識(shí)別的關(guān)鍵點(diǎn)之一是進(jìn)行特征值提取，特征參數(shù)要能夠反映語(yǔ)音信息。在之前人們對(duì)線(xiàn)性預(yù)測(cè)倒譜系數(shù)(Linear Predictive Cepstrum Coefficients，簡(jiǎn)稱(chēng)LPCC)、線(xiàn)性預(yù)測(cè)系數(shù)(Linear Predictive Coefficients，簡(jiǎn)稱(chēng)LPC)以及梅爾頻率倒譜系數(shù)(MelFrequency Cepstrum Coefficient，簡(jiǎn)稱(chēng)MFCC)等進(jìn)行了深入的研究。MFCC更接近人耳的聽(tīng)覺(jué)特性以及具有較強(qiáng)的抗噪性等優(yōu)勢(shì)被廣泛使用，但是標(biāo)準(zhǔn)的MFCC僅僅可以體現(xiàn)出語(yǔ)音參數(shù)的靜態(tài)特性。

因此，現(xiàn)有技術(shù)中僅僅體現(xiàn)語(yǔ)音參數(shù)的靜態(tài)特性無(wú)法起到對(duì)語(yǔ)音的正確認(rèn)知，不能正確的對(duì)語(yǔ)音進(jìn)行分類(lèi)。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種語(yǔ)音分類(lèi)方法及裝置，旨在通過(guò)同時(shí)反映語(yǔ)音的靜態(tài)特征和動(dòng)態(tài)特征，能夠保留用戶(hù)聲音特征，所以能夠提高分類(lèi)性能。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種語(yǔ)音分類(lèi)方法，所述方法包括：

通過(guò)對(duì)待處理語(yǔ)音信號(hào)進(jìn)行預(yù)處理，獲得預(yù)處理語(yǔ)音信號(hào)所對(duì)應(yīng)的梅爾頻率倒譜系數(shù)、梅爾頻率倒譜系數(shù)所對(duì)應(yīng)的MFCC一階差分、MFCC二階差分；

將梅爾頻率倒譜系數(shù)、梅爾頻率倒譜系數(shù)所對(duì)應(yīng)的MFCC一階差分、MFCC二階差分進(jìn)行組合，獲得特征參數(shù)；

采用主成分分析對(duì)提取的特征參數(shù)進(jìn)行降維，獲得降維后特征參數(shù)；

采用DAG-DBN，對(duì)所述降維后特征參數(shù)進(jìn)行訓(xùn)練及測(cè)試。

一種實(shí)現(xiàn)方式中，所述通過(guò)對(duì)待處理語(yǔ)音信號(hào)進(jìn)行預(yù)處理，獲得預(yù)處理語(yǔ)音信號(hào)所對(duì)應(yīng)的梅爾頻率倒譜系數(shù)、梅爾頻率倒譜系數(shù)所對(duì)應(yīng)的MFCC一階差分、MFCC二階差分的步驟，包括：

將所述待處理語(yǔ)音信號(hào)通過(guò)高通濾波器進(jìn)行濾波；

將濾波后的語(yǔ)音信號(hào)進(jìn)行分幀處理；

將每一幀信號(hào)乘以漢明窗，獲得第一信號(hào)；

將所述第一信號(hào)進(jìn)行快速傅里葉變換，得到第二信號(hào)；

將所述第二信號(hào)通過(guò)三角帶通濾波器進(jìn)行濾波，獲得第三信號(hào)；

對(duì)所述第三信號(hào)進(jìn)行離散余弦變換，獲得梅爾頻率倒譜系數(shù)；

對(duì)所述梅爾頻率倒譜系數(shù)進(jìn)行一階差分變換，獲得MFCC一階差分；

對(duì)所述梅爾頻率倒譜系數(shù)進(jìn)行二階差分變換，獲得MFCC二階差分。

一種實(shí)現(xiàn)方式中，所述將濾波后的語(yǔ)音信號(hào)進(jìn)行分幀處理的步驟，包括：

將所述濾波后的語(yǔ)音信號(hào)進(jìn)行采樣，以獲取第一數(shù)量個(gè)采樣點(diǎn)；

以所述第一數(shù)量個(gè)采樣點(diǎn)為一幀；且在相鄰兩幀之間重疊區(qū)域。