[发明专利]一种基于谱聚类的音频特征降维方法

说明书

本发明涉及一种基于谱聚类的音频特征降维方法，属于音频信号处理技术领域。本发明首先对语音信号进行预处理，再对预处理后的语音特征参数采用谱聚类算法进行降维处理，在不丢弃特征信息量的同时尽可能使其达到所要求的降维效果。本发明对音频特征参量进行降维主要是对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进行降维处理。本发明与现有技术相比，对数据分布的适应性更强、计算量小、实现起来也不复杂，主要解决了语音信号多种特征参数融合共同参与语音识别时，信息量冗余、计算量大、识别效率低等缺点。

技术领域

本发明涉及一种基于谱聚类的音频特征降维方法，属于音频信号处理技术领域。

背景技术

随着语音产品的智能化发展，语音识别被广泛的应用于民生、军事等诸多领域。语音的不同特征参数代表语音不同方面的特性，例如：有的代表时域特性，有的代表频域特性，有的代表声道特性，有的代表听觉特性。因此，如果仅选择一种特征参数用于语音识别，就会出现识别错误或无法识别的问题。目前，语音的特征参数多达几十种，在多数有关语音识别的文献中，为尽可能全面地表征语音信息，会选取多种不同的特征参数用于语音识别，从而提高识别的准确率。若同时参与语音识别，则会造成语音识别信息的重复，降低识别效率。多种特征参数融合，在表征语音信息更加全面的同时，会出现增大计算量、降低运算效率的问题。同时，由于每一种特征参数的各维分量所包含的信息量不同，如果不加以区别对待，则会造成信息的冗余，从而对识别的效果产生影响。

LPC参数是基于声道特性的重要系数域特征，LPCC参数是基于线性预测的倒谱系数，MFCC参数是基于人耳听觉特性的倒谱。这三种参数共同参与语音识别，需要把特征参数融合在一起。由于每一种特征参数均包含多维分量，融合后的特征参数维数会太大，造成了信息的冗余，增加了计算量，降低了识别效率。所以，对特征参数的降维处理及分析是有实际意义的。

发明内容

本发明提供了一种基于谱聚类的音频特征降维方法，以用于解决语音信号多种特征参数融合共同参与语音识别时，信息量冗余、计算量大、识别效率低的缺点。

本发明的技术方案是：一种基于谱聚类的音频特征降维方法，所述方法的具体步骤如下：

设置录音软件的采样率、声道、采样精度。(一般采样率设为8kHz，单声道，采样精度设为16位。)为减少所录制的语音样本掺杂的噪声，在安静的环境下对语音信号进行采集获得语音样本。最后将采集到的每一个语音样本保存为相应的wav文件；

进一步地，对每一个语音样本进行预处理。首先对采集到的语音样本进行预加重。本发明采用数字电路对语音样本进行预加重得到预加重后的语音序列：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，本发明采用可使旁瓣互相抵消并能消去高频干扰和泄漏的汉明窗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：其中：N表示窗函数的长度。

进一步地，对预处理后的每一个语音样本分别提取LPC参数、LPCC参数、MFCC参数；