[发明专利]一种基于GFCC的改进特征参数的语种识别方法

权利要求书

1.一种基于GFCC的改进特征参数的语种识别方法，其特征在于：

Step1：对每条语音数据提取不同维度的GFCC参数；

Step2：对任意维度的GFCC参数，将其后面若干维数数据置零，然后进行IDCT变换；

得到GFCC特征参数后，将后面的若干维的参数置零，但置零的维数不能大于GFCC参数维数减1，假设GFCC参数为n维，那么置零的维数应小于n-1；

Step3：对后面若干维GFCC参数置零后进行IDCT变换，得到改进的GFCC参数，命名为G-Fbank；

Step4：G-Fbank参数输入到语种训练模型中进行训练，得到不同语种的识别模型；

Step5：对识别语音提取G-Fbank参数，放入训练好的模型中进行识别，得到最终识别结果。

2.根据权利要求1所述的基于GFCC的改进特征参数的语种识别方法，其特征在于所述Step1具体为：

Step1.1：预处理；

首先通过式(1)对语音进行归一化；

式中，x_i为输入的语音序列，x为进行归一化后的语音序列；

对语音进行分帧，分帧的帧移取帧长的一半，再对每帧信号加窗，分帧后的信号为x^(m)(n)，则y^(m)(n)为加窗后的信号，w(n)为窗函数，表示为：

y^(m)(n)＝x^(m)(n).w(n) (2)

然后对分帧加窗后的语音序列进行FFT变换，将数据从时域变为频域，频域信号记为y^(m)(k)，其中m为语音帧数；

Step1.2：计算通过Gammatone滤波器滤波后的能量；

Gammatone滤波器频域表达式为：

式中，Y(f)是指数和阶跃函数的傅里叶变换，S(f)是频率为f₀的余弦函数的傅里叶变换，H(f)是滤波器的频域表达；

经过滤波器后的频域表达式为：

式中，m代表第m帧，i代表第i个Gammatone滤波器，Y^(m,i)代表第m帧通过第i个滤波器后的频域信号；

Step1.3：进行DCT变换，得到GFCC特征参数；

对通过Gammatone滤波器后的信号取对数后，再进行离散余弦变换，得到GFCC特征参数，其表达式为：

式中，m代表第m帧，i代表第i个Gammatone滤波器，n是DCT后的谱线。

3.根据权利要求1所述的基于GFCC的改进特征参数的语种识别方法，其特征在于所述Step2具体为：

Step2.1：对任意维度的GFCC参数，将其后面若干维数数据置零，但置零的维数不能大于GFCC参数维数减1，即，若GFCC参数为n维，则置零的维数应小于n-1；

每一帧的原始GFCC参数表达式为：

gfcc(m)＝[x₁,x₂,x₃,x₄,...,x_n-2,x_n-1,x_n] (6)

式中，x₁到x_n为一帧的GFCC参数，m代表第m帧；

将其后面若干维数数据置零后为：

gfcc'(m)＝[x₁,x₂,x₃,x₄,...,0,0,0] (7)

Step2.2：对数据置零后的GFCC参数进行IDCT变换；

式中，y(i)代表进行离散余弦逆变换后的信号，i代表第i个Gammatone滤波器，u代表DCT的谱线，Y(u)为进行IDCT之前的信号，N为Gammatone滤波器总个数；

其中，