[發(fā)明專利]一種基于對(duì)數(shù)譜平滑濾波的特征提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011095527.9
• 申請(qǐng)日: 2020-10-14
• 公開（公告）號(hào): CN112233658A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 呂勇
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L21/0224;G10L21/0232
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 王恒靜

本發(fā)明公開一種基于對(duì)數(shù)譜平滑濾波的特征提取方法，將語音信號(hào)的對(duì)數(shù)譜看作時(shí)域信號(hào)，對(duì)其進(jìn)行低通平滑濾波，保留低頻成分，濾除高頻成分，減小激勵(lì)信號(hào)對(duì)語音識(shí)別的影響。首先，對(duì)輸入語音進(jìn)行聲學(xué)預(yù)處理和快速傅里葉變換，得到每一幀語音的線性譜；再對(duì)線性譜取對(duì)數(shù)，平滑濾波和取指數(shù)，得到平滑后的線性譜；最后，對(duì)平滑后的線性譜進(jìn)行Mel濾波，取對(duì)數(shù)，離散余弦變換和時(shí)域差分，得到輸入語音的特征參數(shù)。本發(fā)明可以減小說話人的改變對(duì)語音識(shí)別系統(tǒng)的影響，提高語音識(shí)別系統(tǒng)對(duì)說話人的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明屬于語音識(shí)別技術(shù)領(lǐng)域，具體涉及到一種基于對(duì)數(shù)譜平滑濾波的特征提取方法。

背景技術(shù)

語音可以看作是由聲門激勵(lì)信號(hào)e(n)與聲道濾波器單位脈沖響應(yīng)h(n)卷積生成的：

s(n)＝e(n)*h(n) (1)

其中，s(n)表示卷積產(chǎn)生的語音信號(hào)。在頻域，它們的關(guān)系可以表示為：

S(ω)＝E(ω)*H(ω) (2)

其中，S(ω)、E(ω)和H(ω)分別表示s(n)、e(n)和h(n)的短時(shí)譜。E(ω)具有明顯的周期性，不同說話人的E(ω)是不一樣的，它代表說話人的個(gè)性特征；H(ω)的結(jié)構(gòu)比較穩(wěn)定，不同說話人的H(ω)具有一定的相似性，它代表語音的特征。顯然，在語音識(shí)別的特征提取中，應(yīng)該盡可能減小E(ω)的影響，突出H(ω)的作用，即盡量減小語音個(gè)性的影響，突出語音的共性特征。

目前的語音識(shí)別系統(tǒng)多數(shù)以美爾頻率倒譜系數(shù)(MFCC：Mel FrequencyCepstralCoefficients)為語音的特征參數(shù)。由于在特征提取中采用了倒譜濾波技術(shù)，因而MFCC對(duì)語音中的激勵(lì)信號(hào)成分有一定的抑制作用。但是，研究標(biāo)明，對(duì)部分基音頻率較高的人群，激勵(lì)信號(hào)對(duì)MFCC的影響仍然較大，這會(huì)影響語音識(shí)別系統(tǒng)的性能。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種基于對(duì)數(shù)譜平滑濾波的特征提取方法，解決了語音特征魯棒性差的問題。

技術(shù)方案：本發(fā)明提供基于對(duì)數(shù)譜平滑濾波的特征提取方法，包括以下步驟：

(1)對(duì)輸入語音進(jìn)行聲學(xué)預(yù)處理；

(2)對(duì)每一幀語音進(jìn)行FFT運(yùn)算，并取頻譜幅度，得到每幀信號(hào)的線性譜；

(3)對(duì)每幀信號(hào)的線性譜取對(duì)數(shù)，得到每幀信號(hào)的對(duì)數(shù)譜；

(4)對(duì)每幀信號(hào)的對(duì)數(shù)譜進(jìn)行低通平滑濾波，得到每幀信號(hào)平滑后的對(duì)數(shù)譜；

(5)對(duì)每幀信號(hào)平滑后的對(duì)數(shù)譜取指數(shù)，得到每幀信號(hào)平滑后的線性譜；

(6)對(duì)每幀信號(hào)平滑后的線性譜進(jìn)行Mel濾波，并取對(duì)數(shù)，得到每幀信號(hào)的Mel對(duì)數(shù)譜；

(7)對(duì)每幀信號(hào)的Mel對(duì)數(shù)譜進(jìn)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(shù)。

進(jìn)一步的，包括：

所述步驟(1)包括對(duì)輸入語音加窗，分幀，將其分解為幀信號(hào)，窗函數(shù)采用海明窗，幀移長度為幀長的一半。

進(jìn)一步的，包括：

所述步驟(2)包括對(duì)預(yù)處理后的每一幀信號(hào)x(n)，用快速傅里葉變換進(jìn)行短時(shí)譜估計(jì)：

其中，N表示幀長，X(k)是x(n)的短時(shí)譜；

然后對(duì)短時(shí)譜X(k)取模，得到每幀信號(hào)的線性譜|X(k)|：