[发明专利]基于时频脊线-Hough变换的汉语声调识别方法

权利要求书

1.基于时频脊线-Hough变换的汉语声调识别方法,其特征是：

把携带汉语声调的韵母语音信号用种时频分布来表示,则汉语的声调信息则体现在时频分布图像中的脊线变化趋势上，通过对时频分布图像进行二值化、阈值化、细化等预处理后得到反映声调变化趋势的线段，对这些线段进行Hough变换，根据Hough变换参数来识别汉语的声调。

2.如权利要求1所述的基于时频脊线-Hough变换的汉语声调识别方法，其特征是：通过对携带声调的韵母进行SPWVD,将韵母语音信号的瞬时频率随时间的变化过程在时频面清晰地表现出来。

语音是典型的非平稳信号，时频分布是分析非平稳信号分析的有力工具。魏格纳-威力分布(Wigner-Ville Distribution,WVD)具有最好的时频聚集性，但对于多分量信号存在交叉项，交叉性的存在干扰了信号的真实时频分布。平滑的伪魏格纳-威力分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)，通过在时域和频域加窗函数平滑来抑制WVD的交叉项，兼顾了时频聚集性和交叉项抑制。

汉语的声调由韵母携带，即声调信息反映在语音的浊音段上，本发明通过对携带声调的韵母进行SPWVD,将韵母语音信号的瞬时频率随时间的变化过程在时频面清晰地表现出来，在时频图中时频脊线表示的是瞬时频率随的变化过程，是信号能量最集中的区域。SPWVD时频脊线清晰地表现了不同声调脊线随时间的变化，同一韵母的不同声调其时频脊线沿时间轴的变化各不相同。

3.如权利要求1所述的基于时频脊线-Hough变换的汉语声调识别方法，其特征是：对SPWVD图像进行二值化、阈值化、细化进一步预处理，提取出时频脊线的中心线。

由于汉语韵母属于浊音发声因而呈现谐波性，即在时频图中会出现一条或几条时频脊线，但这几条时频脊线的变化趋势基本相同，对于声调识别只需提取其中一条时频主脊线即可。为此，需要对SPWVD时频矩阵进行阈值化处理。由于SPWVD通过加时窗和频窗对WVD进行平滑来抑制交叉项，导致其时频聚集性变差，即时频脊线变粗，此时提取出来的时频脊线有一定的宽度，如果直接对SPWVD进行Hough变换，会增加运算时间，因此，需要对SPWVD图像进行二值化、阈值化、细化进一步预处理，提取出时频脊线的中心线。

4.如权利要求1所述的基于时频脊线-Hough变换的汉语声调识别方法，其特征是：将提取的SPWVD时频脊线的中心线进行Hough变换，得到反映线段截距和夹角参数以及线段起始和末端点的坐标值的参数空间值。

Hough变换将被检测图像中的直线在参数空间里与直线参数对应的位置聚集形成尖峰，根据尖峰的个数和位置，从而得到图像空间的直线及直线的参数。Hough变换的基本思想是点-线对偶性，图像变换前在图像空间，变换后在参数空间。在图像空间中共线的点对应在参数空间里相交的线，反过来，在参数空间相交于同一个点的所有直线在图像空间都有共线的点与之对应。根据点-线对偶性，当给定图像空间的一些边缘点，就可通过Hough变换确定连接这些点的直线，Hough变换把在图像空间中的直线检测问题转换到在参数空间里对点的检测问题，通过对参数空间里相交的点进行累加统计，就可完成直线的检测和参数估计任务。

5.如权利要求1所述的基于时频脊线-Hough变换的汉语声调识别方法，其特征是：根据Hough变换得到线段参数空间来识别声调

根据法线距离ρ和法线与X轴正向的夹角θ的值和相应直线的始末端点坐标来判断声调类型。根据θ的值范围辅以线段两端点坐标，可以区分出四种声调。当θ值为正角度，或者末端的纵坐标大于始端的纵坐标则为二声；当θ值为负角度，或者末端的纵坐标小于始端的纵坐标则为四声；若θ的较小，几乎为0，则为一声；其它情况为三声。