[发明专利]一种基于小波包变换的声纹特征提取算法

摘要

本发明公开了一种基于小波包变换的声纹特征提取的算法，其特征在于小波包变换利用人耳的听觉特性将一帧语音信号进行5层分解，提取其中的17处节点的小波包系数，对各节点处的小波包系数分别进行能量求和，取对数，求得的值组成一行向量，DCT变换；将说话人语音提取到的声纹特征进行训练和识别匹配后，其特定人的非特定语音识别率有了很大提高，其鲁棒性能也有了一定提升。

主权项

一种基于小波包变换的声纹特征提取算法，其步骤如下：(1)、将采样频率为8000Hz的一帧语音信号x(n)进行5层小波包分解，但只取其中的17个节点，17个节点分别为(5,i),i＝1,2,3,4,5,6,7,12,13，(3,j),j＝4,5,6,7，(4,k),k＝4,5,7，(i,j)代表第i层第j+1节点处的小波包系数，取这17个节点处的小波包系数的原则是根据语音的频谱能量集中区间划分；(2)、计算一帧语音信号所取各节点处的小波包系数，分别为：wpcn＝[cb,m(0),cb,m(1),…,cb,m(k)]   (1)式(1)中wpcn表示在节点(b，m)节点下的小波包系数，k表示在节点(b，m)下的小波包系数维数(或长度)，n为第几个小波包系数，且n＝1,2,3,…,17；当b＝3时，m＝4,5,6,7；k＝257，n＝1,2,3,4。当b＝4时，m＝4,5,7；k＝133；n＝5,6,7。当b＝5时，m＝1,2,3,4,5,6,7,12,13；k＝66；n＝8到17；(3)、对第二步所求出的各小波包系数进行求能量之和，公式为：En＝∑[wpcn2(1),wpcn2(2),…,wpcn2(k)]   (2)式中n＝1,2,3,…,17(4)、第三步得到的En进行取对数，得：Q(n)＝log(En)       (3)(5)、求一帧语音的DWPT参数：DWPT＝dct[Q(0),Q(1),…,Q(n)]      (4) 。