[发明专利]一种基于声源特征的语音异常检测方法

说明书

本发明公开了一种基于声源特征的语音异常检测方法，包括如下步骤：通过传感器实时收集语音数据；对得到的语音段数据进行预处理；对于语音段的语音数据，使用迭代自适应逆滤波得到声门波信号；从声门波信号中提取特征参数：归一化振幅商与声门闭合时间比数据；将提取到的特征数据输入理想SVM模型进行分类；得到分类标签，用来判断说话人状况，输出说话人状况标签，交由执行模块进行反馈。本发明的特色是，对于精神压力下的变异语音，摆脱了基于传统的线性语音生成模型，提取缺少物理意义的声学特征参数的识别方法，建立了声源估计模型，利用语音生成的逆滤波技术，分析和提取基于人体声带振动的特征参数来进行异常语音的检测。

技术领域

本发明涉及一种基于声源特征的语音异常检测方法，属于智能语音技术领域。

背景技术

压力是身体对于物理，心理或者情感刺激的自然反应，当我们受到这些刺激时，大脑会向身体释放出醇和肽类物质，从而引起紧张反应。这种持续的对于工作的焦虑感，将会反映在发声器官上，从而引起发声频率，发音速度等一系列参数的改变。这些改变在语音信号处理的众多领域都有着非常重要的意义，例如变异语音识别，情感识别等。

压力一个重要体现方式是说话人说话时的语音，成为影响语音产生非常重要的一个影响因素。当周围环境或话者自身条件发生异常变化时，或者由于使用者大都专注于某项工作，语音识别只是辅助于其它工作的次要工作，在这个过程中，这时由于工作压力的存在，说话人受到精神压力，对话者发音将会有较大的影响，从而产生了异常状态，产生了语音变异，而异常状态往往会体现在说话人的语音当中，形成了压力异常状态下的语音信号。

但是，精神压力下的变异语音，特别是多任务脑负荷压力下的变异语音，从听觉上的区分度相对较低，一般的声学特征不能将其正确分类，缺乏稳定性和鲁棒性。此外，由于变异语音在生成过程中，其声源特征与一般正常语音有比较显著的区别。因此，在检测过程中，我们通过声源特征来提高变异语音分类的可靠性。通过提高变异语音的标识效率，为语音识别系统的强鲁棒性奠定基础。

发明内容

本发明所要解决的问题是从语音生成的声源的角度对压力状态进行检测，提出一种基于语音生成建模的压力检测方法。本发明的特色是摆脱了基于传统的线性语音生成模型和缺少物理意义的声学特征参数的识别方法，建立了声源估计模型，利用语音生成的逆滤波技术，分析和提取基于人体声带振动的特征参数来进行异常语音的检测。

本发明的技术方案如下：

一种基于声源特征的语音异常检测方法，包括如下步骤：

(1)、通过传感器实时收集语音数据；

(2)、通过端点检测判断语音数据的语音段和噪声段，以决定是否进行下一步语音信号处理工作；

(3)、对得到的语音段的语音数据分帧加窗，并对每一帧进行高频预加重处理；

(4)、对于语音段的语音数据，使用迭代自适应逆滤波得到声门波信号；

(5)、提取声门波的特征参数归一化振幅商与声门闭合时间比数据；

(6)、将提取到的数据输入已经训练好的SVM模型进行分类；

(7)、得到分类标签，用来判断说话人状况，输出说话人状况标签，交由执行模块进行反馈。

上述步骤(3)中加窗采用汉明窗对一帧语音加窗。

上述步骤(3)中高频预加重处理通过一个一阶有限激励响应高通滤波器对其高频部分加以提升。

上述步骤(4)中得到声门波信号的步骤如下：

(a)、使用迭代自适应逆滤波建立声道模型；

迭代自适应逆滤波消除了原始语音信号频谱中声门激励带来的影响；