[发明专利]一种基于非线性谱变换的特征补偿方法

权利要求书

1.一种基于非线性谱变换的特征补偿方法，其特征在于：用大量说话人的标准语音训练生成一个高斯混合模型(GMM：Gaussian Mixture Model)；在测试阶段，用各种变换参数对目标说话人每帧语音的幅度谱进行非线性频率变换，使GMM的输出概率最大，将输出概率最大时的美尔频率倒谱系数(MFCC：Mel Frequency Cepstral Coefficients)作为补偿后的目标语音特征参数。

2.根据权利要求1所述的一种基于非线性谱变换的特征补偿方法，其特征在于，具体包括：

(1)从大量说话人的训练语音中提取标准MFCC，训练生成一个高斯混合模型；

(2)对目标说话人的语音加窗，分帧，快速傅里叶变换(FFT：Fast FourierTransform)，得到每帧语音信号的幅度谱；

(3)对每帧语音信号的幅度谱进行频率变换；

(4)对变换后的幅度谱进行Mel滤波，取对数，离散余弦变换(DCT：Discrete CosineTransform)，得到非线性频率变换后的MFCC；

(5)用GMM对非线性频率变换后的MFCC进行声学解码，记录输出概率；

(6)更换频率变换参数，重复(3)～(5)；

(7)比较每个频率变换参数对应的输出概率，选取输出概率最大的变换参数对应的MFCC作为补偿后的目标语音特征参数。

3.根据权利要求2所述的一种基于非线性谱变换的特征补偿方法，其特征在于：通过下式来进行数字频率的非线性变换：

其中，k和l分别表示变换前后语音幅度谱的数字频率，a为频率变换参数，round()是取整函数。

4.根据权利要求2所述的一种基于非线性谱变换的特征补偿方法，其特征在于：用预先训练的GMM对非线性频率变换后的MFCC进行声学解码，记录输出概率，频率变换参数a在区间[-1，1]上等间距取若干个值，对每个a值都进行频率变换、特征提取和GMM解码，并记录输出概率，在完成所有a值的操作后，比较所有a值对应的输出概率，选取输出概率最大的a值对应的MFCC作为补偿后的目标语音特征参数。