[发明专利]一种基于小波包变换的声纹特征提取算法

权利要求书

1.一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：

wpc_n＝[c_b,m(0),c_b,m(1),…,c_b,m(k)] (1)

式(1)中wpc_n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：

E_n＝∑[wpc_n²(1),wpc_n²(2),…,wpc_n²(k)] (2)

式中n＝1,2,3,…,17

(4)、第三步得到的E_n进行取对数，得：

Q(n)＝log(E_n) (3)

(5)、求一帧语音的DWPT参数：

DWPT＝dct[Q(0),Q(1),…,Q(n)](4) 。

2.根据权利要求1所述的基于小波包变换的声纹特征提取的算法，其特征在于：小波包分解层次为5层，声纹特征提取的阶数为17。

3.根据权利要求1所述的基于小波包变换的声纹特征提取的算法，其特征在于：5层小波包分解后提取的17处节点分别为第三层为(3,m)m＝4,5,6,7，第四层节点(4,m)m＝4,5,7；第五层节点(5,m)m＝1,2,3,4,5,6,7,12,13。