[发明专利]一种基于音频特征参数的多语种场景分析方法

权利要求书

1.一种基于音频特征参数的多语种场景分析方法，其特征在于：

(1)录制样本：针对多段不同内容的样本，对各种语种进行语音信号录制，分别对每个语种进行相同时间的录制，时间一定，录制软件为GoldWave，格式为Wav，录制后得到每种语种的多段对比语音信号；

(2)预处理：先进行A/D转换，然后预加重处理，再进行分帧处理，最后对语音信号进行加窗函数处理；

(3)提取特征参数：用时域分析方法提取待测的多语种音频信号信息的时域特征参数；用频域分析方法提取待测的多语种音频信号信息的频域特征参数；用倒谱分析方法提取待测的多语种音频信号信息的倒谱特征参数；

(4)利用提取的各个语种的特征量，分析各语种之间的差异，进行多语种的场景分析和判别。

2.根据权利要求1所述的基于音频特征参数的多语种场景分析方法，其特征在于：所述预处理包括四个步骤：A/D转换、预加重处理、分帧处理、加窗函数；

(1)A/D转换：将数字信号转化为模拟信号；

(2)预加重处理：将语音信号通过一个高通滤波器，采用数字电路的方式提升语音中的高频部分，得到利于频谱处理的信号样本。

(3)分帧处理：将信号分为较短的帧，视为可被处理的稳态信号，令帧与帧之间有帧移，取帧长的1/2。

(4)加窗函数：对分帧过的语音样本进行加窗函数处理，得到的每一帧语音乘以汉明窗或海宁窗。

3.根据权利要求1所述的基于音频特征参数的多语种场景分析方法，其特征在于：

所述时域特征参数包括短时平均过零率、短时自相关函数、短时能量、高过零率帧的比重、低能量帧的比重、短时平均幅度；

所述频域特征参数是短时功率谱密度函数；

所述倒谱域特征参数包括梅尔频率倒谱系数和线性预测倒谱系数。

4.根据权利要求1所述的基于音频特征参数的多语种场景分析方法，其特征在于：所述多语种场景分析包括以下步骤：

(1)短时平均过零率：提取语音信号的短时平均过零率，得到待测语音信号的短时平均过零率参数；

(2)短时能量：提取语音信号的短时能量，得到待测语音信号的短时能量参数；

(3)短时互相关函数：提取两种语音信号的短时互相关函数，得到两个语音信号的相关程度；

(4)短时平均幅度：提取语音信号的短时平均幅度，得到待测语音信号的短时平均幅度参数；

(5)高过零率帧的比重：提取语音信号的高过零率帧的比重，得到待测语音信号的高过零率帧的比重参数；

(6)低能量帧的比重：提取语音信号的低能量帧的比重，得到待测语音信号的低能量帧的比重参数；

(7)短时功率谱密度函数：提取语音信号的短时功率谱密度函数，得到待测语音信号的短时功率谱密度函数参数；

(8)梅尔频率倒谱系数：提取语音样本优化过的梅尔频率倒谱系数，得到待测语音信号的梅尔频率倒谱系数参数；

(9)线性预测倒谱系数：提取语音样本的线性预测倒谱系数，得到待测语音信号的线性预测倒谱系数参数；

(10)强得到的参数进行音频特征参数比对和场景分析，利用matlab得到每种语种的特点，从而识别出不同语种。