[发明专利]一种基于多尺度非线性能量算子的语音信号周期分割方法

说明书

本发明涉及一种基于多尺度非线性能量算子TKEO（Teager‑Kaiser energy operator）的语音信号周期分割算法，首先在TKEO算子的基础上定义aTKEO算子，再将aTKEO算子扩展至带尺度参数L的算子，通过最大值融合、乘积融合和均值融合策略实现融合，最后根据三种融合策略对应的GCI提取算法实现语音信号周期分割；本算法无须预知基频信息，无短时平稳假设和线性假设，对多种声音类型鲁棒，同时运算复杂度低，速度快、运算精度高。

技术领域

本发明属于语音信号周期分割技术领域，特别涉及一种基于多尺度非线性能量算子的语音信号周期分割方法。

背景技术

人的声音中包括丰富的生物医学信息，由于其具有直接性、非侵入式、自动化等优点，使其在语义理解，健康分析等方面引起广泛关注，尤其在情感分析方面拥有广阔的应用前景。

声音的产生伴随着声带的振动，与情感相关的声音特征中，基频、语速、流畅度等特征的提取，依赖于准确的周期分割。利用声门闭合时刻进行周期分割是比较常用的周期分割方法。

声门闭合时刻(Glottal closure instant,GCI)是指每次声带振动中声门闭合的时刻，GCI是每个周期的关键特征点，相邻GCI之间的语音波形即构成一个完整周期。因此提取GCI可用来将语音信号分割为多个单周期信号，即进行周期分割。

传统的GCI提取算法假设声音信号具有平稳特点，以线性模型来模拟发声过程，然而真实的声音具有局部突变、非线性的特点。而且传统的GCI提取算法需预先获知基频信息，故不具有独立性。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多尺度非线性能量算子TKEO(Teager-Kaiser energy operator)的语音信号周期分割算法，本发明的算法不仅准确率较高，对多种声音类型鲁棒，而且还具有较低的计算复杂度。

其技术方案如下：

S1、多尺度非线性能量算子TKEO表示为：

Ψ[x(n)]＝x(n)²-x(n-1)x(n+1)

其中x(n)为离散语音信号，n代表采样点。

S2、定义绝对TKEO算子aTKEO(absoluteTKEO)：

|Ψ[x(n)]|＝|x(n)²-x(n-1)x(n+1)|

S3、将aTKEO扩展至带尺度参数L的算子RaTKEO，定义如下：

|Ψ_L[x(n)]|＝|x(n)²-x(n-L)x(n+L)|

样本点x(n-L)或x(n+L)与x(n)的时间距离等于尺度参数L，其中，参数L为正整数。

S4、分别采用最大值融合、乘积融合和均值融合三种融合策略得到以下三个融合值：

其中，M为尺度个数，k为尺度，p₁(n)表示采用最大值融合时的融合值，最大融合策略对应的声门闭合时刻(GCI)提取算法为GMATmax；p₂(n)表示采用乘积融合时的融合值，乘积整合策略对应的GCI提取算法为GMATprod；p₃(n)表示采用均值融合时的融合值；均值融合策略对应的GCI提取算法为GMATmean。

S5、采用下述高通滤波器检测幅度陡增时刻：