【摘要】 本发明在于公开了一种语音识别中的特征参数提取方法，将数字语音样本采用低通滤波器和高通滤波器进行分割, 低通滤波器滤波后的信号采用基于人耳听觉特性的巴克滤波器组方法提取巴克频率倒谱参数，并进行规整化处理；高通滤波器滤波后的信号采用非线性动力学的最大李雅普诺夫参数来描述；所述一种语音识别中的特征参数提取方法包括巴克频率倒谱系数参数的提取和最大李雅普诺夫参数的提取两个步骤。本发明采用低通滤波器和高通滤波器进行分割，使处理之后的信号更加符合人类的听觉特性，从而能够提取出性能更优秀的语音特征参数。 【专利类型】发明授权 【申请人】苏州大学 【申请人类型】学校 【申请人地址】215000 江苏省苏州市工业园区仁爱路199号 【申请人地区】中国 【申请人城市】苏州市 【申请人区县】吴中区 【申请号】CN201210102804.3 【申请日】2012-04-10 【申请年份】2012 【公开公告号】CN102646415B 【公开公告日】2014-07-23 【公开公告年份】2014 【授权公告号】CN102646415B 【授权公告日】2014-07-23 【授权公告年份】2014.0 【IPC分类号】G10L15/02; G10L19/02 【发明人】张晓俊; 陶智; 肖仲喆; 吴迪; 季晶晶 【主权项内容】1.一种语音识别中的特征参数提取方法，其特征在于：将数字语音样本采用低通滤波器和高通滤波器进行分割, 低通滤波器滤波后的信号采用基于人耳听觉特性的巴克滤波器组方法提取巴克频率倒谱参数，并进行规整化处理；高通滤波器滤波后的信号采用非线性动力学的最大李雅普诺夫参数来描述，其具体做法如下： a.巴克频率倒谱参数的提取, 包括以下步骤： 步骤1)选择巴克域子波母函数为： ，其中; 可得听觉感知域下的函数表达式： ; 其中，b代表听觉感知频率，听觉感知频率带宽为[b1, b2]; 为的平移步长; 步骤2)再引入特劳恩米勒所给出的线性频率与听觉感知频率之间的函数关系： ; 步骤3)代入上式，就得到线性频率下的听觉感知子波函数的表达式： ; 为规整因子，可近似认为常数，取0.2； 步骤4)将语音能量计算出以后通过巴克滤波器组 : ，随后通过能量对数的离散余弦变换提取出巴克频率倒谱参数; b.最大李雅普诺夫参数的提取采用wolf法, 包括以下步骤： 步骤1)对语音时间序列采用虚假邻点法确定重构维数，平均互信息法确定延迟时间间隔，重构相空间，相点数为； 步骤2)以初始相点为基点，在点集中除外的其余点中选取一个与最近的点作为端点，构成初始向量，间欧氏距离可记为； 步骤3)时间步长或演化时间，初始向量沿轨线向前演化得到一新向量，其相应基点与端点间欧氏距离可记为，在相应时段内系统线度指数增长率记为 : ； 步骤4)如此继续，直至所有相点，然后取各指数的增长率的平均值为最大李雅普诺夫指数估计值：; c.采用的统一特征化的步骤： 步骤1)提取低频部分的巴克频率倒谱参数加上其一阶差分，巴克频率倒谱参数+△巴克频率倒谱参数共24阶，分别求取每阶参数的均值和方差，进行排列； 步骤2)提取高频部分的最大李雅普诺夫参数，取其前50帧； 步骤3)排列方式示意如下： 巴克频率倒谱参数-1均值巴克频率倒谱参数-1方差…巴克频率倒谱参数-24均值巴克频率倒谱参数-24方差第1帧李雅普诺夫参数…第50帧李雅普诺夫参数 2.根据权利要求1所述的语音识别中的特征参数的提取方法，其特征在于：将所述巴克频率倒谱参数和所述最大李雅普诺夫参数分别采用K最近邻近、贝叶斯网络和支持向量机算法进行性能测试。 【当前权利人】茂裕环保科技南通有限公司 【当前专利权人地址】江苏省南通市海安市曲塘镇工业集中区(胡庄村) 【统一社会信用代码】123200004660073435 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】13

未经允许不得转载：http://www.zhongzhencnc.com/1790514793.html