[发明专利]语音分类方法、装置及计算机存储介质

说明书

本发明提供一种语音分类方法，方法包括：通过对待处理语音信号进行预处理，获得预处理语音信号所对应的梅尔频率倒谱系数、梅尔频率倒谱系数所对应的MFCC一阶差分、MFCC二阶差分；将梅尔频率倒谱系数、梅尔频率倒谱系数所对应的MFCC一阶差分、MFCC二阶差分进行组合，获得特征参数；采用主成分分析对提取的特征参数进行降维，获得降维后特征参数；采用DAG‑DBN，对所述降维后特征参数进行训练及测试。此外，本发明还公开了一种语音分类装置及计算机存储介质。

技术领域

本发明涉及音频处理技术领域，特别是涉及一种语音分类方法、装置及计算机存储介质。

背景技术

带有口音的语言交流会产生交流误区，尤其是人机沟通带来了错误的理解，因此需要客服口音带来的障碍。

口音识别的关键点之一是进行特征值提取，特征参数要能够反映语音信息。在之前人们对线性预测倒谱系数(Linear Predictive Cepstrum Coefficients，简称LPCC)、线性预测系数(Linear Predictive Coefficients，简称LPC)以及梅尔频率倒谱系数(MelFrequency Cepstrum Coefficient，简称MFCC)等进行了深入的研究。MFCC更接近人耳的听觉特性以及具有较强的抗噪性等优势被广泛使用，但是标准的MFCC仅仅可以体现出语音参数的静态特性。

因此，现有技术中仅仅体现语音参数的静态特性无法起到对语音的正确认知，不能正确的对语音进行分类。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种语音分类方法及装置，旨在通过同时反映语音的静态特征和动态特征，能够保留用户声音特征，所以能够提高分类性能。

为实现上述目的及其他相关目的，本发明提供一种语音分类方法，所述方法包括：

通过对待处理语音信号进行预处理，获得预处理语音信号所对应的梅尔频率倒谱系数、梅尔频率倒谱系数所对应的MFCC一阶差分、MFCC二阶差分；

将梅尔频率倒谱系数、梅尔频率倒谱系数所对应的MFCC一阶差分、MFCC二阶差分进行组合，获得特征参数；

采用主成分分析对提取的特征参数进行降维，获得降维后特征参数；

采用DAG-DBN，对所述降维后特征参数进行训练及测试。

一种实现方式中，所述通过对待处理语音信号进行预处理，获得预处理语音信号所对应的梅尔频率倒谱系数、梅尔频率倒谱系数所对应的MFCC一阶差分、MFCC二阶差分的步骤，包括：

将所述待处理语音信号通过高通滤波器进行滤波；

将滤波后的语音信号进行分帧处理；

将每一帧信号乘以汉明窗，获得第一信号；

将所述第一信号进行快速傅里叶变换，得到第二信号；

将所述第二信号通过三角带通滤波器进行滤波，获得第三信号；

对所述第三信号进行离散余弦变换，获得梅尔频率倒谱系数；

对所述梅尔频率倒谱系数进行一阶差分变换，获得MFCC一阶差分；

对所述梅尔频率倒谱系数进行二阶差分变换，获得MFCC二阶差分。

一种实现方式中，所述将滤波后的语音信号进行分帧处理的步骤，包括：

将所述滤波后的语音信号进行采样，以获取第一数量个采样点；

以所述第一数量个采样点为一帧；且在相邻两帧之间重叠区域。