[发明专利]基于短时连续非负矩阵分解的语音时长调整方法

权利要求书

1.一种基于短时连续非负矩阵分解的语音时长调整方法，其特征在于将一段语音资料调整出不同的播放速度，包括如下步骤：

第一步，获取原语音段y(n)的幅度谱M，并对M进行短时连续非负矩阵分解，获得基矩阵A与编码矩阵X；

第二步，对编码矩阵X按时长调整比例进行线性内插，获得内插后的新编码矩阵

第三步，由基矩阵A与新编码矩阵合成新幅度谱即

第四步，使用波形估计算法从迭代重构时长调整后的语音段

2.根据权利要求1所述的基于短时连续非负矩阵分解的语音时长调整方法，其特征在于第一步的具体实现步骤如下：

（1）对y(n)进行分帧加窗处理，窗函数为Hamming窗，帧长为L，帧移为R；

（2）对各帧进行K点离散傅里叶变换，获得语音的时频谱Y(k,t)，具体计算公式如下：

Y(k,t)=Σn=-∞∞y(n)h(n-tR)e-j2πkn/K,0≤k≤K-1]]>

这里，k＝0,1,…,K-1表示离散频率点，K表示离散傅里叶变换时的频率点数，t＝0,1,…,T-1表示帧序号，T是指对y(n)分帧后的总帧数，h(n)为Hamming窗函数；

（3）保留时频谱Y(k,t)中的幅度信息，则得到y(n)的幅度谱M，具体计算公式为如下：

M(k,t)＝|Y(k,t)|

使用列向量m_t表示[M(0,t),M(1,t),…,M(K-1,t)]^T，从而y(n)的幅度谱可表示为M＝[m₀,m₁,…,m_T-1]；

（4）使用短时连续非负矩阵分解算法对M进行分析，得到如下分解结果：

M≈AX

这里，称为基矩阵，称为编码矩阵，r选择比K小的正整数。