买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明属于数字音频处理技术领域，提供一种基于分类的齿音抑制方法，用以解决现有技术由于没有对齿音和有用语音进行细粒度的区分、导致在抑制齿音时带来可感知的有用语音信息损失的问题。本发明包括分类器构建和齿音抑制两个阶段，提取训练音频帧的频谱，将齿音频率段的频谱幅度数据编组，计算组内频谱幅度之和，再将各组幅度和拼接形成特征，在此基础上训练齿音分类器；在齿音抑制中，根据齿音分类器输出的齿音类型概率，对待处理音频数据以帧为单位进行细粒度的类型预测，并通过中值滤波对连续帧的预测结果进行平滑，最后通过计算齿音和非齿音的相对能量，对齿音成分进行衰减，从而在保持原语音信息的基础上，有效地抑制了音频中的齿音。

主权项：1.一种基于分类的齿音抑制方法，其特征在于，包括分类器构建和齿音抑制两个阶段；所述分类器构建包括以下步骤：A1.生成训练样本：A1-1.初始化训练特征矩阵R、训练标签矢量L均为空；A1-2.根据训练音频组生成训练特征矩阵R和训练标签矢量L，训练音频组包含先验标注为齿音音频或非齿音音频的训练音频，对每一个训练音频作：A1-2-1.将音频数据按固定长度划分为各音频帧，相邻帧间有重叠，得到I个音频帧；并对各音频帧数据进行加窗处理，再进行短时傅里叶变换，得到其对应的频谱；A1-2-2.设频谱幅度数据中对应每个时刻共有N+1个数据，预设特征频率范围为[f1,f2]，则分别计算特征频率点与 其中，f1和f2分别为最低特征频率和最高特征频率，为向下取整运算；A1-2-3.对每一个音频帧作：A1-2-3-1.对第i、1≤i≤I个音频帧，从到将每M个频率点对应的频谱幅度数据编成一组，当剩余频率点数目不足M时停止编组，其中，M为预设的编组长度；计算每一个组中所有频率点对应的幅度数据之和，将各个组的求和结果数据依次排列构成训练特征矢量ri；A1-2-3-2.将训练特征矢量ri按列追加到训练特征矩阵R中；A1-2-3-3.设li为第i个音频帧的类型标签，当前音频帧所属的音频为齿音音频，则置li＝1；否则，置li＝0；A1-2-3-4.将类型标签li追加到训练标签矢量L中；A2.训练齿音分类器：用训练特征矩阵R和训练标签矢量L训练得到分类器Q，该分类器为二分类器，其输入为训练特征矢量、输出为该训练特征矢量被预测为齿音类型的概率；所述齿音抑制包括以下步骤：B1.生成测试样本：B1-1.初始化测试特征矩阵R′为空；B1-2.生成测试特征矩阵R′，具体为：B1-2-1.将待处理音频数据按固定长度划分为各音频帧，相邻帧间有重叠，得到I′个音频帧；对各音频帧数据进行加窗处理，再进行短时傅里叶变换，得到其对应的频谱，其中，第i个音频帧的频谱幅度数据为ci；B1-2-2.对每一个音频帧作：B1-2-2-1.对第i、1≤i≤I′个音频帧，从到将每M个频率点对应的频谱幅度数据编成一组，当剩余频率点数目不足M时停止编组；计算每一个组中的所有频率点对应的幅度数据之和，将各个组的求和结果数据依次排列构成测试特征矢量ri′；B1-2-2-2.将ri′按列追加到测试特征矩阵R′中；B2.音频帧分类：B2-1.定义长度为I′的齿音类型数组K；B2-2.对每一个音频帧作：B2-2-1.将R′的第i列特征矢量ri′输入到分类器Q中，得到该特征矢量被预测为齿音类型的概率pi；B2-2-2.对齿音类型数组K的第i个元素K[i]赋值： 其中，T0和T2分别为设定的可信非齿音概率阈值和可信齿音概率阈值；B2-3.对齿音类型数组K的数据进行中值滤波；B3.衰减齿音：B3-1.初始化i＝1，参考能量Y0＝1；B3-2.计算特征矢量ri′的所有元素的值之和，记为Yi；B3-3.若K[i]＝1，则更新Y0为Yi；否则，转到步骤B3-4；B3-4.若K[i]＝2，则更新频谱幅度数据矢量ci的第个至第个元素： 其中，ci[j]为ci的第j个元素；否则，转到步骤B3-5；B3-5.更新i为i+1，并判断i是否大于I′，若是，转到步骤B3-6；否则，转到步骤B3-2；B3-6.使用更新后的频谱数据进行短时傅里叶逆变换，得到处理后的音频。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于分类的齿音抑制方法