一种基于谱聚类的音频特征降维方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109346104A(43)申请公布日2019.02.15(21)申请号201810996351.0(22)申请日2018.08.29(71)申请人昆明理工大学地址650093云南省昆明市五华区学府路253号(72)发明人龙华孙慧芳邵玉斌杜庆治(51)Int.Cl.G10L25/12(2013.01)G10L25/24(2013.01)G10L15/02(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于谱聚类的音频特征降维方法(57)摘要本发明涉及一种基于谱聚类的音频特征降维方法，属于音频信号处理技术领域。本发明首先对语音信号进行预处理，再对预处理后的语音特征参数采用谱聚类算法进行降维处理，在不丢弃特征信息量的同时尽可能使其达到所要求的降维效果。本发明对音频特征参量进行降维主要是对基于声道特性的线性预测系数、线性预测倒谱系数和基于人耳听觉特性的梅尔频率倒谱系数进行降维处理。本发明与现有技术相比，对数据分布的适应性更强、计算量小、实现起来也不复杂，主要解决了语音信号多种特征参数融合共同参与语音识别时，信息量冗余、计算量大、识别效率低等缺点。CN109346104ACN109346104A权利要求书1/2页1.一种基于谱聚类的音频特征降维方法，其特征在于：所述方法的具体步骤如下：Step1、通过录音软件在安静的环境下对语音信号采集获得语音样本；Step2、对语音样本进行预处理，预处理为预加重、分帧和加窗函数；Step3、对预处理后的语音样本分别提取表征语音信号的特征参数，特征参数包括基于声道特性的线性预测系数、线性预测倒谱系数和基于人耳听觉特性的梅尔频率倒谱系数；Step4、将提取好的特征参数采用谱聚类的方法进行降维处理，并对降维结果进行分析。2.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step1在用录音软件采集语音样本时，对录音软件的采样率、声道和采样精度进行设置，采样率设为8kHz，单声道，采样精度设为16位，最后将采集到的每一个语音样本保存为相应的wav文件。3.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step2首先对采集到的语音样本进行预加重，采用数字电路提升语音样本中的高频部分得到预加重后的语音序列y1(n)：y1(n)＝x(n)-αx(n-1)其中：x(n)为采集到的语音样本，α为预加重系数；其次对预加重后的语音序列进行分帧加窗，将每帧的时间范围设置在10～30ms之间，在相邻两帧之间重叠帧长的1/2，采用可以使旁瓣互相抵消并能消去高频干扰和频谱泄漏的汉明窗w(n)对语音序列分帧：窗函数w(n)乘上语音序列y1(n)，得到分帧后的语音序列y2(n)：其中：N表示窗函数的长度。4.根据权利要求1所述的基于谱聚类的音频特征降维方法，其特征在于：所述step4对特征参数采用谱聚类的方法进行降维处理的具体步骤如下：语音样本提取的每一帧每一维的特征参数看作一个数据点，假设数据集合为{v1,n*nv2,...,vn}，vn∈R为所有特征参数所构成的样本，将每个点vi看作无向图G(V,E)的一个顶点，其中i＝1,2,...,n，E为边的集合，V为数据集合，定义Wij为点vi和点vj之间的权重，即相似度，对于V中的任意两个点vi和vj，若有边连接，则Wij＞0；若无边连接，则Wij＝0，由高斯核函数求出所有数据点之间的相似度Wij，1≤i,j≤n；2其中，d(vi,vj)为两个数据点之间的平方欧几里得距离，σ是一个自由参数；由相似度Wij对由vi和vj构成的边赋权值，0≤Wij＝Wji≤1，Wii＝1，i,j＝1,2,...,n，得到一个无向加权图G(V,E,W)，通过上面的方法将数据样本转化为一个带有权值的无向图，并且得到相似矩阵S，S＝(Wij)2CN109346104A权利要求书2/2页对于任意一个点vi，它的度di定义为和它相连的所有边的权重之和，即利用每个点度的定义，得到一个n×n维的度矩阵D，所述度矩阵是一个对角矩阵，只有主对角线有值，并对应第i行的第i个点的度数，定义如下：利用所有点之间的权重值，得到图的邻接矩阵W，所述邻接矩阵同样是一个n×n维的矩阵，第i行的第j个值对应权重Wij；构造Laplace矩阵：L＝D-W-1/2-1/2对L进行标准化，求DLD，即其中Lij为Laplace矩阵L中第i行第j列的元素，di为度矩阵D中第i行的元素，dj为度矩阵D中第j列的元素；求D-1/2LD-1/2矩阵的特征值，对特征值从小到大排序取前k个，其中k＜＜n，并求出对应n*k的特征向量X1,X2,...,XK，构造矩阵X＝[X1,X2,...,Xn]∈R，所述矩阵X即为经过降