[发明专利]一种基于谱聚类的音频特征降维方法

权利要求书

1.一种基于谱聚类的音频特征降维方法，其特征在于：所述方法的具体步骤如下：

Step1、通过录音软件在安静的环境下对语音信号采集获得语音样本；

Step2、对语音样本进行预处理，预处理为预加重、分帧和加窗函数；

Step3、对预处理后的语音样本分别提取表征语音信号的特征参数，特征参数包括基于声道特性的线性预测系数、线性预测倒谱系数和基于人耳听觉特性的梅尔频率倒谱系数；

Step4、将提取好的特征参数采用谱聚类的方法进行降维处理，并对降维结果进行分析。

2.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step1在用录音软件采集语音样本时，对录音软件的采样率、声道和采样精度进行设置，采样率设为8kHz，单声道，采样精度设为16位，最后将采集到的每一个语音样本保存为相应的wav文件。

3.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step2首先对采集到的语音样本进行预加重，采用数字电路提升语音样本中的高频部分得到预加重后的语音序列y₁(n)：

y₁(n)＝x(n)-αx(n-1)

其中：x(n)为采集到的语音样本，α为预加重系数；

其次对预加重后的语音序列进行分帧加窗，将每帧的时间范围设置在10～30ms之间，在相邻两帧之间重叠帧长的1/2，采用可以使旁瓣互相抵消并能消去高频干扰和频谱泄漏的汉明窗w(n)对语音序列分帧：

窗函数w(n)乘上语音序列y₁(n)，得到分帧后的语音序列y₂(n)：

其中：N表示窗函数的长度。

4.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step4对特征参数采用谱聚类的方法进行降维处理的具体步骤如下：

语音样本提取的每一帧每一维的特征参数看作一个数据点，假设数据集合为{v₁,v₂,...,v_n}，v_n∈R^n*n为所有特征参数所构成的样本，将每个点v_i看作无向图G(V,E)的一个顶点，其中i＝1,2,...,n，E为边的集合，V为数据集合，定义W_ij为点v_i和点v_j之间的权重，即相似度，对于V中的任意两个点v_i和v_j，若有边连接，则W_ij＞0；若无边连接，则W_ij＝0，由高斯核函数求出所有数据点之间的相似度W_ij，1≤i,j≤n；

其中，d²(v_i,v_j)为两个数据点之间的平方欧几里得距离，σ是一个自由参数；

由相似度W_ij对由v_i和v_j构成的边赋权值，0≤W_ij＝W_ji≤1，W_ii＝1，i,j＝1,2,...,n，得到一个无向加权图G(V,E,W)，通过上面的方法将数据样本转化为一个带有权值的无向图，并且得到相似矩阵S，

S＝(W_ij)

对于任意一个点v_i，它的度d_i定义为和它相连的所有边的权重之和，即

利用每个点度的定义，得到一个n×n维的度矩阵D，所述度矩阵是一个对角矩阵，只有主对角线有值，并对应第i行的第i个点的度数，定义如下：

利用所有点之间的权重值，得到图的邻接矩阵W，所述邻接矩阵同样是一个n×n维的矩阵，第i行的第j个值对应权重W_ij；

构造Laplace矩阵：

L＝D-W

对L进行标准化，求D^-1/2LD^-1/2，即其中L_ij为Laplace矩阵L中第i行第j列的元素，d_i为度矩阵D中第i行的元素，d_j为度矩阵D中第j列的元素；

求D^-1/2LD^-1/2矩阵的特征值，对特征值从小到大排序取前k个，其中k＜＜n，并求出对应的特征向量X₁,X₂,...,X_K，构造矩阵X＝[X₁,X₂,...,X_n]∈R^n*k，所述矩阵X即为经过降维处理后的语音特征参数。

5.根据权利要求4所述的基于谱聚类的音频特征降维方法，其特征在于：所述σ的求解可采取梯度下降法，即利用一阶的梯度信息找到σ的局部最优解，核心迭代公式为：

σ^(k+1)＝σ^(k)+λ_kd^(k)

其中，d^(k)是第k次迭代时选取的移动方向，λ^(k)是第k次迭代时移动的步长，

具体过程如下：

给定初点σ⁽¹⁾∈Rⁿ，允许误差ε＞0，置k＝1；

计算搜索方向d^(k)＝-▽f(σ^(k))；

若||d^(k)||≤ε，则停止计算；若||d^(k)||＞ε，则从σ^(k)出发，沿d^(k)进行一维搜索求λ_k，使

σ^(k+1)＝σ^(k)+λ_kd^(k)，置k＝k+1，转Step2，直到求解出σ的最优解。