[发明专利]一种基于非线性幂变换Gammachirp滤波器的鲁棒语音特征提取方法

摘要

本发明提供了一种基于非线性幂变换Gammachirp滤波器的鲁棒语音特征提取方法，主要解决针对在噪声环境下语音识别系统性能急剧下降的问题，该方法通利用符合耳蜗听觉特性的Gammachirp滤波器组，并对该滤波器进行了压缩归一化的处理优化，在得到响应系数后，通过一个分段式非线性的幂函数变换过程，使其能够模拟人耳听觉模型处理信号的非线性特性。并且，方法中结合了相对谱RASTA滤波、均值方差归一化和时间序列滤波等技术方法，进一步提高了语音特征的抗噪鲁棒性。本发明方法能够提高噪声环境下语音识别系统的识别率，提高系统的抗噪鲁棒性，满足日常生活中如智能家居、车载系统和各种需要进行身份安全认证的安全领域。

主权项

1.一种基于非线性幂变换Gammachirp滤波器的鲁棒语音特征提取方法，其特征在于，如下步骤：(1)语音信号预处理：对输入的语音信号x(n)进行预加重处理：y(n)＝x(n)‑μ·x(n‑1)，其中，μ为预加重系数，y(n)是预加重处理后的语音信号，n为语音信号的个数；(2)对预加重后的语音信号进行RASTA滤波处理，得到滤波后的信号y′(n)：y′(n)＝Rasta(y(n))；(3)语音信号的分帧、加窗：将滤波后的信号分为短时的语音帧，对短时的语音帧进行加窗处理，得到加窗后的语音信号S(n)；(4)短时傅里叶变换：对加窗后的时域语音帧片段进行短时傅里叶变换，将其由时域变换到频域，得到每一帧语音信号的短时傅里叶变换后的幅度谱Y(t,i)，变换公式为：Y(t,i)＝fft(S(n),iFFT)，其中，t表示语音信号的帧数；i表示频率分量数；傅里叶变换长度iFFT＝512；(5)归一化压缩Gammachirp滤波器滤波，得到语音信号在不同频率分量上的响应幅值Gm(t,k)，其中，k表示滤波器的阶数；(6)分段非线性幂函数变换，根据频率值确定幂函数变换系数α，根据公式进行变换，得出幂函数变换后的响应幅值：Gc(t,k)＝Gmα(t,k)；其中，Gc(t,k)代表第t帧语音在第k阶滤波器上的响应幅值；(7)离散余弦变换，即DCT变换：将每一帧语音在Gammachirp滤波器组的响应输出进行离散余弦变换，去除其参数间的相关性，得到变换后的倒谱系数G_Dct，DCT变换的过程：其中DCT(k,m)表示N维离散余弦变换矩阵中第k行m列的值，它的定义是：G_Dct(t,k)代表经过DCT变换后第t帧语音在第k阶滤波器上的响应幅值；(8)差分倒谱系数：差分倒谱系数是通过步骤(7)得到的GDct(t,k)经过相邻前后各两帧的运算得到：GDct′(t)＝(2×GDct(t‑2)‑GDct(t‑1)+GDct(t+1)+2×GDct(t+2))/10，其中，GDct′(t)代表第t帧向量的差分系数，取DCT变换后原倒谱系数的前16维和差分后的前16维系数，共同组成32维的倒谱系数G；(9)倒谱均值、方差的归一化：倒谱均值归一化过程是：倒谱方差归一化过程是：其中μ_G表示倒谱特征均值，δ_G表示倒谱方差，T为帧长；(10)时间序列滤波：对得到的语音特征采用一种平滑滤波的方式来减小基音频率，利用滑动滤波器对得到的语音特征进行滤波，得出消除基音频率影响后的NPGFCC语音特征其中W是窗口长度。