[发明专利]基于巴氏距离最优小波包分解的语音情感特征提取方法

权利要求书

1.一种基于巴氏距离最优小波包分解的语音情感特征提取方法，其特征在于，包括以下步骤：

步骤1：接收情感语音片段输入；

步骤2：将情感语音片段数字化以提供数字语音信号X；

步骤3：对数字语音信号X进行预处理，得到有效语音帧集合；

步骤4：构造巴氏距离最优小波包基；

步骤5：利用步骤4构造的巴氏距离最优小波包基对有效语音帧进行小波包分解，得到各有效语音帧的小波包系数；

步骤6：利用步骤5得到的有效语音帧小波包系数计算各有效语音帧的情感特征。

2.根据权利要求1所述的基于巴氏距离最优小波包分解的语音情感特征提取方法，其特征是，步骤3中所述的预处理包括如下步骤：

步骤3.1：对数字语音信号X按下式进行预加重，得到预加重后的语音信号

X‾(n‾)=X(n‾)-0.9375X(n‾-1),]]>0≤n‾≤N‾-1---(1)]]>

其中表示数字语音信号X的离散点序号，为数字语音信号X的长度，和分别表示数字语音信号X在第和个离散点上的值，表示预加重后的语音信号在第个离散点上的值，X(-1)=0；

步骤3.2：采用交叠分段的方法对预加重后的语音信号进行分帧，前一帧起点与后一帧起点的距离称为帧移，此处帧移取8ms，即在采样率F_s=16kHz下取128点，每一帧长取16ms，即取256点，经过分帧得到语音帧集合{x‾k′}1≤k′≤K′:]]>

x‾k′(n)=X‾(n+128(k′-1))]]>n≤255,1≤k′≤K′---(2)]]>

其中为语音帧集合中的第k'个语音帧，n表示语音帧离散点序号，k'为语音帧序号，K'为语音帧总帧数，且满足：

表示向下取整；

步骤3.3：对各语音帧1≤k'≤K'，选择窗口长度为256点的汉明窗w进行加窗处理，得到加窗语音帧x_k'，加窗语音帧x_k'为：

xk′(n)=x‾k′(n)w(n),]]>0≤n≤255,1≤k′≤K′---(4)]]>

其中x_k'(n)、w(n)分别表示x_k'、w在第n个离散点上的值，窗口长度为256点的汉明窗函数为：

w(n)=0.54-0.46cos(2πn255),]]>0≤n≤255---(5)]]>

步骤3.4：采用公知的能量过零率双门限判决法完成端点检测，具体步骤如下：

步骤3.4.1：对各加窗语音帧x_k'，1≤k'≤K'，计算短时能量E_k'和短时过零率Z_k'：

Ek′=Σn=0255xk′2(n)1≤k′≤K′---(6)]]>

Zk′=12Σn=1255|sgn[xk′(n)]-sgn[xk′(n-1)]|---(7)]]>

其中E_k'表示加窗语音帧x_k'的短时能量，Z_k'表示x_k'的短时过零率，x_k'(n)为加窗语音帧x_k'在第n个采样点上的值，x_k'(n-1)为x_k'在第n-1个采样点上的值，sgn[x_k'(n)]、sgn[x_k'(n-1)]分别为x_k'(n)、x_k'(n-1)的符号函数，即：

sgn[x]=1x≥0-1x<0---(8)]]>

步骤3.4.2：确定短时能量阈值τ_E和短时过零率阈值τ_Z：

τE=1K′Σk′=1K′Ek′---(9)]]>

τZ=0.1K′Σk′=1K′Zk′---(10)]]>

其中K'为语音帧总帧数；

步骤3.4.3：对各加窗语音帧首先用短时能量作第一级判别，将短时能量值大于阈值τ_E的加窗语音帧标记为有效语音帧，将帧序号最小的有效语音帧作为当前有效语音帧集合的起始帧，将帧序号最大的有效语音帧作为当前有效语音帧集合的结束帧，然后用短时过零率作第二级判别，即以起始帧为起点按照帧序号由大到小的顺序逐帧判别，将短时过零率大于阈值τ_Z的加窗语音帧标记为有效语音帧，并且以结束帧为起点按照帧序号由小到大的顺序逐帧判别，将短时过零率大于阈值τ_Z的加窗语音帧标记为有效语音帧，将两级判别后得到的有效语音帧集合记为{s_k}_1≤k≤K，其中k为有效语音帧序号，K为有效语音帧总帧数，s_k为有效语音帧集合中的第k个有效语音帧。