[发明专利]一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法

说明书

本发明公开了一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法，包括以下步骤：对各元音语音样本进行预处理：预加重、加窗分帧；从每个元音语音样本提取梅尔频率倒谱系数特征；为异常说话人和正常说话人的每个元音构建一个高斯混合模型；将各元音高斯混合模型的均值向量拼接成一个行矢量，计算元音谱空间衰减率；如果说话人测试样本的所有元音谱空间衰减率均值小于设定的阈值，则该说话人为异常说话人，否则为正常说话人。本发明利用异常说话人与正常说话人的元音谱空间分布特性差异，在特征层面区分异常说话人与正常说话人，无需构建复杂分类器，与传统区分方法相比，速度更快。

技术领域

本发明涉及语音信号处理技术领域，具体涉及一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法。

背景技术

异常说话人是指发音器官出现病变或受损或严重疲劳，不能发出正常语音的说话人。异常说话人的语音表现为含混不清晰、各个元音之间的差异性变小，谱空间分布明显缩小。因此，基于元音谱空间上的差异性分析，可以有效区分正常说话人和异常说话人，还可以对异常说话人语音的变异程度进行估计、估计异常变化可能的原因。另外，分析正常说话人和异常说话人的语音谱空间分布差异，也是提升异常说话人语音识别率的有效途径之一。

目前常规的异常说话人与正常说话人的区分方法一般是：首先提取语音样本的各种音频特征，再训练复杂分类器进行判决。分类器的训练需要人工采集并标注大量的语音样本，费时费力。另外，分类器的性能与训练样本的特性及数量有关，当测试样本与训练样本特性差异较大时，分类器性能会急剧下降，区分效果差。因此，目前常规的区分方法存在以下不足：需要构建复杂分类器、分类器性能受训练样本影响、分类器训练时间长。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，利用异常语音和正常语音谱空间分布的差异性，提供一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法。

本发明的目的可以通过采取如下技术方案达到：

一种基于元音谱空间衰减率的异常说话人与正常说话人区分方法，所述的区分方法包括以下步骤：

S1、预处理：读入元音语音样本，并进行预加重、加窗分帧等处理；

S2、提取梅尔频率倒谱系数特征：对每一帧语音进行傅里叶变换，利用梅尔滤波器组将傅里叶变换的线性谱转换为梅尔谱，获取每一帧语音的梅尔频率倒谱系数特征；

S3、构建高斯混合模型：为异常说话人和正常说话人的每个元音构建一个高斯混合模型；

S4、计算元音谱空间衰减率：将各个元音高斯混合模型的均值向量拼接成一个行矢量，计算元音谱空间衰减率；

S5、异常说话人与正常说话人判决：如果说话人测试样本的所有元音谱空间衰减率均值小于设定的阈值，则该说话人为异常说话人，否则为正常说话人。

进一步地，所述的步骤S1具体包括：

S1.1、采用一阶高通滤波器进行预加重，一阶高通滤波器的传输函数为：

H(z)＝1-az^-1

式中，a为预加重系数，取值为0.98，经过预加重处理后的结果为：

x(n)＝y(n)-ay(n-1)

其中x(n)为预加重处理后的语音信号，y(n)为预加重前的语音信号；

S1.2、分帧：将预加重后的语音信号进行分帧处理，帧长25ms，帧移10ms；

S1.3、加窗：将第t帧语音信号x_t(n)与汉明窗函数相乘，实现加窗操作。

进一步地，所述的步骤S2具体包括：