專利名稱：一種突發(fā)事件語音檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于音頻檢測技術(shù)領(lǐng)域，具體涉及一種突發(fā)事件語音檢測方法。
背景技術(shù)：
通常的語音識別系統(tǒng)由語音特征參數(shù)提取算法和模式匹配算法構(gòu)成。1)語音特征參數(shù)用于語音分類的特征參數(shù)很多，可以歸納為三大類時域特征參數(shù)、頻域特征參數(shù)，同態(tài)(倒譜)特征參數(shù)。時域特征參數(shù)包括短時信號能量，短時信號平均過零率，信號短時自相關(guān)函數(shù)和平均幅度差函數(shù)。時域特征參數(shù)的特點是提取算法都不復雜，缺點是對信號的可鑒別能力有限，適用范圍有端點檢測和語音分幀。頻域特征參數(shù)包括傅里葉變換，離散余弦變換，線性預測分析。頻域特征參數(shù)與人類聽覺系統(tǒng)有一定的關(guān)系，但是頻域特征參數(shù)適用于加性信號，對于復雜的乘積性組合信號處理能力不好。同態(tài)(倒譜)特征參數(shù)非線性系統(tǒng)分析起來非常困難，需要進行同態(tài)分析，設(shè)法將非線性問題轉(zhuǎn)化為線性問題來處理，對音頻信號進行同態(tài)分析后，可得到音頻信號的倒譜系數(shù)，因此同態(tài)分析也稱倒譜分析。倒譜分析通常采用線性預測倒譜系數(shù)(Linear Prediction Cepstrum Coefficient, LPCC)和 Mel 頻率倒譜系數(shù)(Mel Frequency Cepstrum Coefficient,MFCC) LPCC算法的特點是高階系數(shù)可以由低階系數(shù)推到而得，所以計算量小，缺點是沒有考慮人耳的聽覺特性，故識別率不高。MFCC的特點是通過Mel濾波器組和對數(shù)運算的設(shè)計，模擬人耳聽覺模型，識別效果相對較好，缺點是由于必須通過FFT運算，所以計算量較大。另外，由于LPCC算法和MFCC算法有共同的假設(shè)前提，即一個語音信號完整的出現(xiàn)在一個樣本周期內(nèi)，如圖1所示。但在實際情況中，一個完整的語音信號不一定就出現(xiàn)在一個周期內(nèi)，可能在兩個取樣周期中出現(xiàn)，如圖2所示。在這種情況下，無論是LPCC算法還是 MFCC算法所提取的特征系數(shù)都不能完全體現(xiàn)此語音信號的特征，會影響后來的匹配和判決過程。2)模式匹配及模型訓練技術(shù)語音識別所應用的模式匹配和模型訓練技術(shù)主要有動態(tài)時間歸正技術(shù)(Dynamic Time Warping, DTW)、隱馬爾可夫模型(Hidden Markov Model, HMM)和人工神經(jīng)元網(wǎng)絡 (Artificial Neural Networks，ANN)。DTW是較早的一種模式匹配和模型訓練技術(shù)，它應用動態(tài)規(guī)劃方法成功解決了語音信號特征參數(shù)序列比較時時長不等的難題，在簡短詞語音識別中獲得了良好性能。人們有時候通常會發(fā)出某些特殊的語音，比如尖叫聲，語音突發(fā)事件檢測通過對這種特殊聲音進行識別來實現(xiàn)事件檢測，屬于孤立詞，特定人，小詞匯量的語音識別系統(tǒng)。 對于語音突發(fā)事件的檢測，由于輸入信號類似于單音信號，因此所需要的匹配模板可以較少。用于此類識別時，DTW算法與HMM算法在相同的條件下，識別效果相差不大，但HMM算法更復雜，主要體現(xiàn)在HMM算法在訓練階段需要提供大量的語音數(shù)據(jù)，通過反復計算才能得到的模型參數(shù)，而DTW算法的訓練中幾乎不需要額外的計算。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，提供一種能夠提高判斷速率和語音識別正確率的突發(fā)事件語音檢測方法。為此，本發(fā)明采用如下的技術(shù)方案一種突發(fā)事件語音檢測方法，包括下列步驟1)確定合適的采集頻率，采集對突發(fā)事件應激反應所產(chǎn)生的語音模板信號，對其進行分幀處理；2)分別提取模板信號的MFCC和LPCC的特征系數(shù)；3)采用相同的采集頻率采集待檢測信號；4)提取待檢測信號兩個連續(xù)幀中的第一幀的MFCC特征系數(shù)，設(shè)模板信號的MFCC 特征系數(shù)和待檢測信號的MFCC特征系數(shù)的匹配距離為distl，若匹配距離distl低于預設(shè)的第一判決門限Tl時，判斷認為該待檢測信號與模板信號相匹配，為目標信號，結(jié)束本次檢測，否則，執(zhí)行下一步；5)若匹配距離大于Tl但小于預設(shè)的第二判決門限T2，則判斷該信號有極大可能性是目標信號，并執(zhí)行下一步，否則，認為該信號不是目標信號，結(jié)束本次檢測；6)對于待檢測信號的下一幀，提取其LPCC特征系數(shù)，利用動態(tài)時間歸正模式識別方法，計算模板信號的LPCC特征系數(shù)和待檢測信號的LPCC特征系數(shù)的匹配距離dist2，若 dist2小于預設(shè)的第三判決門限T3，則認為該信號為目標信號，否則，判斷該信號不是目標信號。作為優(yōu)選實施方式，本發(fā)明的突發(fā)事件語音檢測方法，在提取MFCC或LPCC特征系數(shù)時候，還包括對模板或待檢測信號的一階差分信號進行特征提取。本發(fā)明的突發(fā)事件語音檢測通過預判斷方法和設(shè)置多個語音匹配判決門限，將 MFCC、LPCC譜系數(shù)和快速DTW(FDTW)算法相結(jié)合，兼顧了系統(tǒng)計算量和識別率，能夠提高突發(fā)事件語音檢測的整體效率。在基于DSP平臺的測試結(jié)果表明，新的事件檢測方法不但平均運算時間比MFCC&FDTW算法短，而且檢測方法的識別正確率也更高。本發(fā)明可應用于基于事件語音檢測的報警系統(tǒng)，大大提高了準確率，降低了漏判率，具有更好的魯棒性。


圖1是樣本周期內(nèi)出現(xiàn)完整語音信號示意圖；圖2是樣本周期內(nèi)出現(xiàn)非完整語音信號示意圖；圖3是本發(fā)明提出的事件檢測新方法的程序流程圖。
具體實施例方式就語音突發(fā)信號而言，盡管一個完整的語音信號不一定就出現(xiàn)在一個樣本周期內(nèi)，但是相鄰的樣本周期的信號之間有很強的相關(guān)性，因此，可以利用前一個樣本的的結(jié)果來預判斷下一個樣本的結(jié)果，從而選擇合適的語音特征系數(shù)提取的方法。本發(fā)明大致分為以下幾個步驟第一步采集模板信號，對其進行分幀處理。按照fs的采樣頻率采集模板信號，量
4化精度為16位，并且以一個固定數(shù)量的采樣點做為一幀，將采樣得到的模板信號劃分為多個幀。第二步提取模板信號每一幀的MFCC和LPCC的特征系數(shù)。分別求出模板信號每一幀的N階(N —般取12-16)的MFCC和LPCC特征系數(shù)，也可上加上一階差分信號?，F(xiàn)有技術(shù)中，MFCC和LPCC特征系數(shù)的提取已經(jīng)有成熟的算法。在語音識別系統(tǒng)中，LPCC特征系數(shù)是由LPC系數(shù)推導出的，下面介紹常用的特征提取方法。在線性預測(LPC)分析中，聲道模型可表示為
權(quán)利要求
1.一種突發(fā)事件語音檢測方法，包括下列步驟1)確定合適的采集頻率，采集對突發(fā)事件應激反應所產(chǎn)生的語音模板信號，對其進行分幀處理；2)分別提取模板信號的MFCC和LPCC的特征系數(shù)；3)采用相同的采集頻率采集待檢測信號；4)提取待檢測信號兩個連續(xù)幀中的第一幀的MFCC特征系數(shù)，設(shè)模板信號的MFCC特征系數(shù)和待檢測信號的MFCC特征系數(shù)的匹配距離為distl，若匹配距離distl低于預設(shè)的第一判決門限Tl時，則判斷該待檢測信號與模板信號相匹配，為目標信號，結(jié)束本次檢測，否則，執(zhí)行下一步；5)若匹配距離大于Tl但小于預設(shè)的第二判決門限T2，則判斷該信號有極大可能性是目標信號，并執(zhí)行下一步，否則，認為該信號不是目標信號，結(jié)束本次檢測。6)對于待檢測信號的下一幀，提取其LPCC特征系數(shù)，利用動態(tài)時間歸正模式識別方法，計算模板信號的LPCC特征系數(shù)和待檢測信號的LPCC特征系數(shù)的匹配距離dist2，若 dist2小于預設(shè)的第三判決門限T3，則認為該信號為目標信號，否則，判斷該信號不是目標信號。
2.根據(jù)權(quán)利要求1所述的突發(fā)事件音頻檢測方法，其特征在于，在提取MFCC或LPCC特征系數(shù)時候，還包括對模板或待檢測信號的一階差分信號進行特征提取。
全文摘要
本發(fā)明屬于音頻檢測技術(shù)領(lǐng)域，涉及一種突發(fā)事件語音檢測方法，包括下列步驟1)采集模板信號；2)分別提取模板信號的MFCC和LPCC的特征系數(shù)；3)采集待檢測信號；4)提取待檢測信號兩個連續(xù)幀中的第一幀的MFCC特征系數(shù)，若其與模板信號的MFCC特征系數(shù)的匹配距離dist1低于門限T1時，判斷其為目標信號，否則，若匹配距離大于T1但小于預設(shè)的第二判決門限T2，則判斷該信號有極大可能性是目標信號，并提取下一幀的LPCC特征系數(shù)，計算其與模板信號的匹配距離dist2，若dist2小于門限T3，則認為該信號為目標信號。本發(fā)明能夠提高突發(fā)事件語音檢測判斷速率和語音識別正確率。
文檔編號G10L11/00GK102201230SQ20111016009
公開日2011年9月28日 申請日期2011年6月15日 優(yōu)先權(quán)日2011年6月15日
發(fā)明者全浩軍, 孫文博, 張濤, 楊雪, 王贊 申請人:天津大學