[发明专利]一种基于混合信号域的MFCC特征提取方法及装置

说明书

本发明实施例提供一种基于混合信号域的MFCC特征提取方法及装置，所述混合信号域包括模拟信号域和数字信号域，所述方法包括：在所述模拟信号域中获取预处理的语音信号；并对所述语音信号进行Mel频率分析，以提取所述语音信号在不同频段内的时域信号；根据预设运算规则对各频段内的时域信号进行运算；对运算结果进行低通滤波处理，并将低通滤波处理后的运算结果作为各频段内的时域信号的能量值；将所述能量值转化为数字信号，并在所述数字信号域中对已转化的能量值进行数据处理，将数据处理的结果作为提取出的梅尔倒谱系数MFCC特征。所述装置执行上述方法。本发明实施例提供的方法及装置，能够有效提取MFCC特征，提高提取速度，并降低提取过程中消耗的能量。

技术领域

本发明实施例涉及语音特征提取技术领域，具体涉及一种基于混合信号域的MFCC特征提取方法及装置。

背景技术

语音交互已成为人机交互之间的一条重要途径，因此，自动语音识别显得尤为重要。此外，在能量受限的应用场景中，低功耗高能效的自动语音识别至关重要。

听觉特征提取是自动语音识别中的关键，梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients,以下简称“MFCC”)可以直观地展示出语音信号在频率域上的分布情况，因此，MFCC特征被广泛提取作为听觉特征，也是目前最常用的语音特征。图1为现有技术MFCC特征提取方法流程图；如图1所示，将语音信号从模拟域转换到数字域，在数字域中进行数据处理，包括傅里叶变换、Mel滤波处理等。在实施本发明实施例的过程中，发明人发现：在图1中的MFCC特征提取过程中，傅里叶变换过程耗费了相当大的计算时间和计算资源，此外，模数转换的过程也耗费了一定的计算时间和计算资源，从而导致现有技术的能量消耗过大。

因此，如何避免上述缺陷，能够有效提取MFCC特征，并降低提取过程中消耗的能量，成为低功耗自动语音识别亟须解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于混合信号域的MFCC特征提取方法及装置。

第一方面，本发明实施例提供一种基于混合信号域的MFCC特征提取方法，所述混合信号域包括模拟信号域和数字信号域，所述方法包括：

在所述模拟信号域中获取预处理的语音信号；并对所述语音信号进行Mel频率分析，以提取所述语音信号在不同频段内的时域信号；

根据预设运算规则对各频段内的时域信号进行运算；

对运算结果进行低通滤波处理，并将低通滤波处理后的运算结果作为各频段内的时域信号的能量值；

将所述能量值转化为数字信号，并在所述数字信号域中对已转化的能量值进行数据处理，将数据处理的结果作为提取出的梅尔倒谱系数MFCC特征。

第二方面，本发明实施例提供一种基于混合信号域的MFCC特征提取装置，所述混合信号域包括模拟信号域和数字信号域，所述装置包括：

获取单元，用于在所述模拟信号域中获取预处理的语音信号；并对所述语音信号进行Mel频率分析，以提取所述语音信号在不同频段内的时域信号；

运算单元，用于根据预设运算规则对各频段内的时域信号进行运算；

滤波单元，用于对运算结果进行低通滤波处理，并将低通滤波处理后的运算结果作为各频段内的时域信号的能量值；

提取单元，用于将所述能量值转化为数字信号，并在所述数字信号域中对已转化的能量值进行数据处理，将数据处理的结果作为提取出的梅尔倒谱系数MFCC特征。

第三方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，

所述处理器和所述存储器通过所述总线完成相互间的通信；