[发明专利]一种用于语音测谎系统中的稀疏谱特征提取方法

权利要求书

1.一种用于语音测谎系统中的稀疏谱特征提取方法，其特征在于，包括如下步骤：

步骤一、提取语音信号的梅尔频率谱系数、小波包频带倒谱系数，并融合所述梅尔频率谱系数和小波包频带倒谱系数构成倒谱特征；

步骤二、采用K-奇异值分解算法对倒谱特征进行训练得到混合过完备表示字典；

步骤三、在步骤二中所得到的混合过完备表示字典上，采用正交匹配追踪算法对倒谱特征进行稀疏编码，获取稀疏谱特征。

2.根据权利要求1所述的用于语音测谎系统中的稀疏谱特征提取方法，其特征在于：所述步骤一中的小波包频带倒谱系数的提取步骤包括：

（1）对原始的真话和谎话语料进行分段、分帧加汉明窗预处理获取有效语音帧x(n)；

（2）对有效语音帧x(n)进行6层小波包分解，对分解后的节点重新按升序排列，获取相应子频带的小波包系数d_m[n](m=1,…,M)；

（3）计算各个子节点的能量：

其中，M为分解后每层中子节点的数目总和；

（4）对M个节点的对数能量进行离散余弦变换：

由上式求得24阶小波包频带倒谱系数。

3.根据权利要求1所述的用于语音测谎系统中的稀疏谱特征提取方法，其特征在于：所述步骤二中的混合过完备表示字典获取的具体步骤包括：

（1）定义一个给定的初始字典A：

由上式求解原始特征参数S∈R^n×K的稀疏表示结果，得到系数矩阵X；

（2）根据系数矩阵X中的非零值对A中的原子逐个更新。在每次迭代过程中仅计算一个原子ɑ_j及其在矩阵X中对应的向量，约束函数为：

其中，矩阵E_k为S中N帧参数在拿掉第k列之后进行稀疏表示的总体误差，ɑ_j表示A中的第j个原子，表示系数矩阵X中与ɑ_j对应的向量，

定义w_k为所用到原子的下标集合：

定义Ω_k为(w_k(i),i)处的值是1，其他处是0的矩阵，则误差矩阵为：

（3）对误差矩阵进行奇异值分解：

用矩阵U的首列替换迭代计算前的原子ɑ_j，V(:,1)∆(1,1)替换迭代前的系数向量，

将从真话和谎话语料中提取的倒谱特征矩阵S_T和S_F，分别通过上述算法进行字典学习，得到表征真话和谎话的子字典A_T和A_F，对这两个子字典进行融合：

得到表征真话和谎话两类参数特性的混合过完备字典A。

4.根据权利要求1所述的用于语音测谎系统中的稀疏谱特征提取方法，其特征在于：所述步骤三中的稀疏谱特征获取的具体步骤包括：

（1）给定字典矩阵A，参数向量s，配置稀疏度参数L，令残差r₀=s，索引集Λ₀=Ø，t =1；

（2）求出使得r和字典A中原子ɑ_j之内积最大时的下标λ：

；

（3）更新索引集，收集寻找到的字典A中的重构原子集；

（4）根据最小二乘法计算：

；

（5）对残差进行更新：

直到满足要求t >L，则不再进行迭代计算，得到每帧语料的参数矩阵S_T和S_F在混合字典A下的稀疏特征。