[發明專利]一種音頻特征提取方法、裝置、訓練方法及電子設備

在審

• 申請號: 201911409010.X
• 申請日: 2019-12-31
• 公開（公告）號: CN111105812A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 何維禎
• 申請（專利權）人: 普聯國際有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/18
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 黃詩彬;郝傳鑫

1.一種音頻特征提取方法，其特征在于，所述方法包括：

按照預設的窗口長度獲取待提取音頻，并將所述待提取音頻按照預設的幀長劃分為M幀音頻幀，M1；

計算每一所述音頻幀對應的頻譜；其中，所述頻譜包括N個頻域點，N1；

根據每一所述頻譜的N個頻域點，基于線性擬合算法獲得每一所述頻譜對應的擬合斜率和擬合截距；

根據所述頻譜和預設的計算公式，計算獲得每一所述頻譜的頻譜平坦度；

將每一所述頻譜劃分為m段頻譜帶，并計算獲得每一段所述頻譜帶對應的對數頻譜；m1；

根據每一所述頻譜對應的m段所述對數頻譜，獲得每一所述頻譜的頻譜對比度；

根據每一所述音頻幀的所述擬合斜率、所述擬合截距、所述頻譜平坦度和所述頻譜對比度，獲得每一所述音頻幀的特征量；

根據M幀所述音頻幀的特征量，提取出所述待提取音頻的音頻特征。

2.如權利要求1所述的音頻特征提取方法，其特征在于，所述線性擬合算法為線性最小二乘算法，所述根據每一所述頻譜的N個頻域點，基于線性擬合算法獲得每一所述頻譜對應的擬合斜率和擬合截距，具體包括：

從每一所述頻譜的N個頻域點中，選取所對應的頻率位于預設頻率范圍內的頻域點；

基于線性最小二乘算法，對所選取的對應的頻率位于預設頻率范圍內的頻域點進行線性擬合，獲得每一所述頻譜對應的擬合斜率和擬合截距。

3.如權利要求1所述的音頻特征提取方法，其特征在于，所述將每一所述頻譜劃分為m段頻譜帶，并計算獲得每一段所述頻譜帶對應的對數頻譜，具體包括：

將每一所述頻譜劃分為m段頻譜帶，分別對每一段所述頻譜帶進行K-L變換處理；

根據以下公式，獲得每一段經K-L變換處理后的頻譜帶所對應的對數頻譜：

s_i(f″)＝10×log₁₀ s_i(f′)；

其中，s_i(f′)為經K-L變換處理后的第i個頻譜帶，s_i(f″)為s_i(f′)所對應的對數頻譜，1≤i≤m。

4.如權利要求1所述的音頻特征提取方法，其特征在于，所述根據每一所述頻譜對應的m段所述對數頻譜，獲得每一所述頻譜的頻譜對比度，具體包括：

對于每一段所述對數頻譜，獲取所述對數頻譜的譜峰值和譜谷值，并計算所述譜峰值和所述譜谷值之間的峰谷差值；

對于每一所述頻譜，計算對應的m段所述對數頻譜的m個所述峰谷差值的平均值，獲得所述頻譜的頻譜對比度。

5.如權利要求1所述的音頻特征提取方法，其特征在于，所述計算公式為：

其中，s(f)為所述頻譜；Flatness(s(f))為頻譜s(f)所對應的所述頻譜平坦度；N為所述頻譜所包含的頻域點的數量，x(n)為頻譜s(f)的第n個頻域點的幅值。

6.如權利要求1所述的音頻特征提取方法，其特征在于，所述方法還包括：

計算獲得每一所述音頻幀的梅爾倒譜系數；

則，所述根據每一所述音頻幀的所述擬合斜率、所述擬合截距、所述頻譜平坦度和所述頻譜對比度，獲得每一所述音頻幀的特征量，具體包括：

根據每一所述音頻幀的所述擬合斜率、所述擬合截距、所述頻譜平坦度、所述頻譜對比度和所述梅爾倒譜系數，獲得每一所述音頻幀的特征量。