[发明专利]信号分类方法和装置

权利要求书

1.一种信号分类方法，其特征在于，包括：

从待分类的信号中获取多个数据单元，一个数据单元提取m个特征参数组成一个短时特征向量，m为整数且大于等于1；

从所述多个数据单元中取一组数据单元，对该组数据单元中共K个数据单元对应的K个短时特征向量Xp，p＝1...K进行S种统计处理，得到一个长时特征向量，所述长时特征向量由一组统计向量Ys组成，s＝1...S，其中，向量Ys的第j个元素由向量X1至Xp的第j个元素进行第s种统计处理得到，所述S为整数且大于等于1，j＝1...m，K大于等于1；重复执行上述步骤，直到得到n组数据单元对应的n个长时特征向量，n为整数且大于等于2；其中，各组数据单元之间包含的数据单元个数不同；

将该n个长时特征向量根据预设原则送入n个预先训练得到的分类器中，得到多个分类结果；

根据所述多个分类结果按照预设决策融合机制得到最终分类结果。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：提取所述特征参数前，对所述待分类的信号进行高频滤波处理。

3.如权利要求1所述的方法，其特征在于，所述一个数据单元的m个特征参数包括如下特征参数中的一个或多个：

数据单元的对数能量，过零率、子帧对数能量、基音周期、频谱重心、频谱通量；

所述子帧对数能量为：

将所述数据单元划分为N个子帧，获取每个子帧的对数能量，得到N个对数能量，N大于1且为整数。

4.如权利要求1所述的方法，其特征在于，所述统计处理包括如下之一或其组合：

取最大值、最小值、方差、标准差和数学期望值。

5.如权利要求1所述的方法，其特征在于，所述将该n个长时特征向量根据预设原则送入n个预先训练得到的分类器中包括：

对该n个长时特征向量中任一个长时特征向量，将该长时特征向量只送入与该长时特征向量对应的一个分类器；或者，将该长时特征向量送入与该长时特征向量对应的一个分类器，及至少一个其它分类器。

6.如权利要求1所述的方法，其特征在于，根据所述多个分类结果按照预设决策融合机制得到最终分类结果包括：

将所述多个分类结果中，数量最多的相同的分类结果作为最终分类结果。

7.如权利要求1所述的方法，其特征在于，从所述待分类的信号中获取多个数据单元时，只提取能量值超过指定门限值的数据单元。

8.一种信号分类装置，其特征在于，包括：短时特征提取模块、长时特征提取模块、分类模块和决策融合模块，其中：

所述短时特征提取模块用于：从待分类的信号中获取多个数据单元，一个数据单元提取m个特征参数组成一个特征向量；

所述长时特征提取模块用于：从所述多个数据单元中取一组数据单元，对该组数据单元中共K个数据单元对应的K个短时特征向量Xp，p＝1...K进行S种统计处理，得到一个长时特征向量，所述长时特征向量由一组统计向量Ys组成，s＝1...S，其中，向量Ys的第j个元素由向量X1至Xp的第j个元素进行第s种统计处理得到，所述S为整数且大于等于1，j＝1...m，K大于等于1；重复执行上述步骤，直到得到n组数据单元对应的n个长时特征向量，n为整数且大于等于2；其中，各组数据单元之间包含的数据单元个数不同；

所述分类模块用于：将该n个长时特征向量根据预设原则送入n个预先训练得到的分类器中，得到多个分类结果；

所述决策融合模块用于：根据所述多个分类结果按照预设决策融合机制得到最终分类结果。

9.如权利要求8所述的装置，其特征在于，所述装置还包括预处理模块，所述预处理模块用于对所述待分类的信号进行高频滤波处理后输出给所述短时特征提取模块。

10.如权利要求8所述的装置，其特征在于，所述数据单元的m个特征参数包括如下特征参数中的一个或多个：

数据单元的对数能量，过零率、子帧对数能量、基音周期、频谱重心、频谱通量；

所述子帧对数能量为：

将所述数据单元划分为N个子帧，获取每个子帧的对数能量，得到N个对数能量，N大于1且为整数。

11.如权利要求8所述的装置，其特征在于，所述长时特征提取模块进行的所述统计处理包括如下之一或其组合：

取最大值、最小值、方差、标准差和数学期望值。