[发明专利]基于稀疏分解与重构的鲁棒语音特征提取方法

摘要

基于稀疏分解与重构的鲁棒语音特征提取方法，涉及稀疏分解与重构的语音特征提取方法，解决了1、原子字典的选取：具有较高的时间复杂度，而且难以满足信号投影后稀疏；2、信号的稀疏分解：考虑语音信号和噪声信号的时间相关性的较少；3、信号的重构：忽略了原子的先验概率以及各个原子相互转换的概率的问题，它包括具体步骤如下：步骤一、预处理；步骤二、作离散傅立叶变换，并求功率谱；步骤三、原子字典训练，保存；步骤四、稀疏分解；步骤五、语音谱重构；步骤六、加梅尔三角滤波器并取对数；步骤七、得到梅尔倒谱系数与梅尔倒谱稀疏拼接，形成鲁棒特征。用于多媒体信息处理领域。

主权项

1.基于稀疏分解与重构的鲁棒语音特征提取方法，其特征是它包括具体步骤如下：步骤一、预处理，将读入的语音进行分帧、加窗，使语音从时间序列转变为帧序列；步骤二、作离散傅立叶变换，并求功率谱：式中x(n)为加窗后的语音帧，N表示傅立叶变换的点数；判断是否进行原子字典训练，否，执行步骤四；步骤三、原子字典训练，保存；利用算法I，从大量语音中选取样本作为字典原子；步骤四、稀疏分解；步骤五、语音谱重构；步骤六、加梅尔三角滤波器并取对数；定义一个有M个滤波器的滤波器组即滤波器的个数和临界带的个数相近，采用的滤波器为三角滤波器，中心频率为f(m)，m＝0，2，...，M-1，滤波器组中每个三角滤波器的跨度在梅尔标度上是相等的；三角滤波器的频率响应定义为：Hm(k)=0k<f(m-1)ork>f(m+1)2(k-f(m-1))(f(m+1)-f(m-1))(f(m)-f(m-1))f(m-1)<k<f(m)2(f(m+1)-k)(f(m+1)-f(m-1))(f(m+1)-f(m))f(m)≤k≤f(m+1)]]>对功率谱加梅尔滤波器组：S(m)=ln(Σk=0N-1|Xa(k)|2Hm(k)),0≤m<M;]]>步骤七、经离散余弦变换得到梅尔倒谱系数：c(n)=Σm=0M-1S(m)cos(nπ(m-0.5)/M),0≤n≤M,]]>计算一阶差分和二阶差分，与梅尔倒谱稀疏拼接，形成鲁棒特征。