[發明專利]一種基于對數譜平滑濾波的特征提取方法

在審

• 申請號: 202011095527.9
• 申請日: 2020-10-14
• 公開（公告）號: CN112233658A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 呂勇
• 申請（專利權）人: 河海大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L21/0224;G10L21/0232
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王恒靜

1.一種基于對數譜平滑濾波的特征提取方法，其特征在于，包括以下步驟：

(1)對輸入語音進行聲學預處理；

(2)對每一幀語音進行FFT運算，并取頻譜幅度，得到每幀信號的線性譜；

(3)對每幀信號的線性譜取對數，得到每幀信號的對數譜；

(4)對每幀信號的對數譜進行低通平滑濾波，得到每幀信號平滑后的對數譜；

(5)對每幀信號平滑后的對數譜取指數，得到每幀信號平滑后的線性譜；

(6)對每幀信號平滑后的線性譜進行Mel濾波，并取對數，得到每幀信號的Mel對數譜；

(7)對每幀信號的Mel對數譜進行離散余弦變換，并作一階差分和二階差分，得到輸入語音的特征參數。

2.如權利要求1所述的基于對數譜平滑濾波的特征提取方法，其特征在于，所述步驟(1)包括對輸入語音加窗，分幀，將其分解為幀信號，窗函數采用海明窗，幀移長度為幀長的一半。

3.如權利要求1所述的基于對數譜平滑濾波的特征提取方法，其特征在于，所述步驟(2)包括對預處理后的每一幀信號x(n)，用快速傅里葉變換進行短時譜估計：

其中，N表示幀長，X(k)是x(n)的短時譜；

然后對短時譜X(k)取模，得到每幀信號的線性譜|X(k)|：

|X(k)|＝X(k)。

4.如權利要求1所述的基于對數譜平滑濾波的特征提取方法，其特征在于，所述步驟(6)中，包括：

對每幀信號平滑后的線性譜采用Mel濾波器組對每幀信號的幅度譜進行加權求和，得到每幀信號的Mel譜S(m)：

其中，W_m(k)為Mel濾波器組第m個三角濾波器在頻率k處的加權因子；M為濾波器的個數；S(m)為第m個濾波器的輸出，即Mel譜向量的第m個元素。

然后對S(m)取對數，得到Mel對數譜S_log(m)：

S_log(m)＝lnS(m)。

5.如權利要求1所述的基于對數譜平滑濾波的特征提取方法，其特征在于，所述步驟(7)包括：

因為對數譜特征S_log(m)的維數M較高，且各維系數的相關性較強，不利于聲學解碼，所以對每幀信號的Mel對數譜進行離散余弦變換，去除各維系數之間的相關性：

其中，L是靜態特征向量c的維數，c(l)是c的第l個元素。

6.如權利要求5所述的基于對數譜平滑濾波的特征提取方法，其特征在于，只保留靜態特征的低13維系數，即L＝13。

7.如權利要求6所述的基于對數譜平滑濾波的特征提取方法，其特征在于，所述步驟(7)還包括：

對第t幀13維靜態特征向量c_t作一階差分和二階差分，得到一階動態特征參數Δc_t和二階動態特征參數ΔΔc_t：

得到動態倒譜參數后，靜態參數c_t和動態參數Δc_t、ΔΔc_t共同組成第t幀語音的39維倒譜特征向量

其中，上標T表示向量的轉置，即將列向量轉置為行向量，或者將行向量轉置為列向量。