1.一种面向哭声检测系统的Mel能量声纹特征提取方法,其特征在于,包括如下步骤:S1,采集哭声语料与非哭声语料,建立样本数据库;
S2,从样本数据库中取一音频文件,进行语音预处理成音频帧序列;
S3,对S2所述音频帧序列中一帧进行快速傅里叶变换,得到该帧对应的频谱函数;
S4,对S3所述频谱函数经过由25个Mel滤波器组成的Mel滤波器组,计算每个滤波器所覆盖频谱范围内频谱帧的累积能量;25个Mel滤波器的计算结果,组成一个25维的Mel能量向量;
S5,取S4所述Mel能量向量的低8维能量值,进行计算自然对数操作,得到一个8维的对数能量向量;
S6,对音频帧序列中每一帧,按照S3至S5的方法进行处理,得到一个对数能量矩阵;对数能量矩阵每行为8维的对数能量向量;
S7,计算S6中所述对数能量矩阵中每列数据的方差值,8列数据计算得到8个方差值;对所述8个方差值计算均值x,以此作为Mel能量波动特征;
S8,对S6中所述对数能量矩阵,以列为对象,列中每15个数据点作为一个数据段,最后一段不足15点则与相邻数据段合并;计算每个数据段所含极值数,所有数据段的计算结果组成极值数序列;其次,计算上述极值数序列均值作为阈值;进而将上述极值数序列中小于阈值的极值数置为0,得到新的极值数序列;最后,计算新的极值数序列的均值 以此作为Mel能量振荡特征;
S9,根据S7、S8获取的特征值 通过线性加权的方式组合成新的特征值Z,且满足:其中,w0、w1为特征值 的权重系数;
S10,根据公式(1),对样本库中的哭声信号与非哭声信号,分别训练哭声模型Z'与非哭声模型Z";
S11,对于待识别的音频文件,按照S2至S8的方法获取Mel能量波动特征x与Mel能量振荡特征y,分别代入模型Z'与模型Z",比较二者绝对值大小;若模型Z'的输出结果绝对值更大,则样本类型判决为哭声;若模型Z"的输出结果绝对值更大,则样本类型判决为非哭声。
2.根据权利要求1所述的面向哭声检测系统的Mel能量声纹特征提取方法,其特征在于,S2中所述对音频文件进行语音预处理成音频帧序列,具体包括如下步骤:S21,将音频文件按照固定采样频率转换成固定位数的音频数字信号;
S22,在固定的时间窗内,对S21中所述音频数字信号依次进行归一化、预加重、分帧、加窗处理,得到音频帧序列。
3.根据权利要求1所述的面向哭声检测系统的Mel能量声纹特征提取方法,其特征在于,S10中所述对哭声信号与非哭声信号分别训练判决模型,具体包括如下步骤:S101:对样本库中所有哭声音频文件,按照S2至S8的方法,统计各文件对应的Mel能量波动 特征 与 Me l能 量 振荡 特 征 ,形成 哭 声特 征集其中,1≤i≤N,N为样本库中哭声音频文件总数;
S102:对S101获取的哭声特征集中特征值 采用梯度上升法进行拟合,拟合规则是 按照公式(1)进行线性加权的结果为正值且最大化;最终得到哭声判决模型:其中,w'0、w′1为使用梯度上升法得到的哭声特征权重;
S103:对样本库中所有非哭声音频文件,按照S2至S8的方法,统计各文件对应的Mel能量波动特征与Mel能量振荡特征,形成非哭声特征集其中,1≤j≤M,M为样本库中非哭声音频文件总数;
S104:对S103获取的非哭声特征集中特征值 采用梯度上升法进行拟合,拟合规则是 按照公式(1)进行线性加权的结果为负值且最小化;最终得到非哭声判决模型:其中,w"0、w″1为使用梯度上升法得到的非哭声特征权重。
4.根据权利要求2所述的面向哭声检测系统的Mel能量声纹特征提取方法,其特征在于:S21中所述固定采样率、固定位数,分别取8000Hz、16位。
5.根据权利要求2所述的面向哭声检测系统的Mel能量声纹特征提取方法,其特征在于:S22中所述固定的时间窗,窗大小取10s,所述对音频数字信号依次进行分帧、加窗处理中,每帧的长度取20ms,窗函数为汉明窗,前后相邻两帧具有半帧的重叠区。