專利名稱：一種由時頻原子聚合生成時頻分子的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自適應(yīng)信號的時頻表示，尤其是一種由時頻原子聚合生成時頻分子的
方法。
背景技術(shù)：
信號的稀疏分解是用盡可能少的幾個基本信號來逼近該信號，且這些基本信號能 夠刻畫該信號的結(jié)構(gòu)化特征。相對于傳統(tǒng)的正交基信號分解，使用與待分析信號局部時頻 結(jié)構(gòu)相關(guān)的時頻原子來表示信號的過程，稱為信號的時頻原子分解方法，并用這些時頻原 子的時頻分布來逼近原始信號的時頻能量分布，而時頻原子的集合稱為時頻原子字典。
時頻原子是將各種算子作用于基本函數(shù)得到，這些算子用來匹配非平穩(wěn)信號的局 部時頻特性，如時移算子和頻移算子確定時間和頻率的局部區(qū)域；比例算子使基函數(shù)與信 號的時間支撐區(qū)和頻率支撐區(qū)匹配；頻率切變算子分析信號中頻率隨時間變化特性；時間 切變算子則是對不同頻率的信號成分產(chǎn)生不同的時間延遲。作用于基本函數(shù)的算子越多， 時頻原子能夠匹配或逼近的信號局部時頻結(jié)構(gòu)的能力越強，但同時也使時頻原子的參數(shù)增 多，從而使尋找最佳時頻原子就越困難。目前主要有Gabor時頻原子和Chirp時頻原子。 Gabor時頻原子是對單位高斯函數(shù)進(jìn)行比例、時移、頻移得到的，因其頻率不變，使用多個 Gabor原子才能逼近一個頻率變化成分，因而這種分解結(jié)果不是稀疏的，更無法反映信號固 有的真實結(jié)構(gòu)。對單位高斯函數(shù)進(jìn)行比例、旋轉(zhuǎn)、時移和頻移得到四參數(shù)表示的Chirp時頻 原子，它在時頻平面是不同斜率的直線，用Chirp原子分解信號相當(dāng)于對時頻平面任意能 量曲線用線段逼近，提高了逼近的稀疏性。 相對于正交基而言，時頻原子的數(shù)量比基函數(shù)數(shù)量多得多，即時頻原子相互間是 極其冗余的，時頻原子字典是過完備的。在數(shù)學(xué)上，用過完備集合表示一個函數(shù)的最優(yōu)逼近 被定義是一個無解的難題，理論上只能得到一個次優(yōu)化的逼近解。匹配追蹤算法通過尋找 信號局部與時頻原子的最大內(nèi)積來選擇N個最優(yōu)時頻原子來逼近信號，它是一種局部優(yōu)化 的貪婪迭代算法。由于時頻原子的冗余性和時頻原子參數(shù)的高維性，匹配追蹤算法采用遍 歷式耗盡搜索最佳時頻原子，計算量大導(dǎo)致速度慢，且搜索過程的局部貪婪性還易引起過 匹配現(xiàn)象，即當(dāng)信號中幾種時頻成分混在一起時，由于匹配追蹤算法不是從總體上求解優(yōu) 化問題，而是通過迭代逐次提煉出信號的近似部分，使貪婪算法在每一步分解中都必須選 擇出與信號局部最相關(guān)的時頻原子，造成虛假的或貪婪的時頻原子被選出來，這樣抽取的 時頻原子特征并不與信號的固有結(jié)構(gòu)相對應(yīng)；用這些時頻原子來表示信號既不是稀疏的， 也失去了表征和解釋信號物理意義的能力，這樣的信號時頻原子分解顯然不適合信號特征 提取和信號稀疏逼近等后續(xù)分析與處理目的。 信號的特征存在于不同粒度的描述，從信號稀疏逼近、特征提取、壓縮編碼等角度 看，粒度大小應(yīng)與信號固有的最大結(jié)構(gòu)一致為宜。現(xiàn)在的時頻原子分解方法造成以上弊端 的根本原因在于，其一，使用過小的粒度描述而沒有考慮和有效利用時頻原子之間的內(nèi)在 聯(lián)系；其二，耗盡式搜索過程沒有利用預(yù)先得知的信號固有的結(jié)構(gòu)化信息。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種由時頻原子聚合生成時頻 分子的方法，提出在自適應(yīng)信號時頻表示過程中，使用時頻分子作為最小分析單元代替現(xiàn) 在普遍使用的時頻原子。
按照本發(fā)明提供的技術(shù)方案，所述由時頻原子聚合生成時頻分子的方法包括 (1)將語音波形分成濁音幀和清音幀； (2)提取濁音幀和清音幀固有的結(jié)構(gòu)化時頻信息； (3)使用預(yù)估計的匹配追蹤算法對清音幀進(jìn)行三參數(shù)Chirp時頻原子分解；
(4)利用Hilbert-Huang變換對濁音幀進(jìn)行固有模態(tài)分解，以基因頻率為已知參 數(shù)對濁音幀進(jìn)行正弦原子分解； (5)計算時頻原子的相似度，分別由正弦時頻原子、Chirp時頻原子聚合生成正弦 時頻分子、Chirp時頻分子，得到清音幀和濁音幀的結(jié)構(gòu)化時頻特征。 所述三參數(shù)Chirp時頻原子分解用三個參數(shù)表示Chirp時頻原子，方法是利用分 數(shù)階傅立葉變換定義一個旋轉(zhuǎn)算子，使信號旋轉(zhuǎn)到分?jǐn)?shù)階域；令旋轉(zhuǎn)后的信號沿旋轉(zhuǎn)的方 向徑向移動，得到旋轉(zhuǎn)_徑向移位復(fù)合算子；將比例算子、旋轉(zhuǎn)_徑向移位復(fù)合算子作用于 單位高斯函數(shù)，得到用比例參數(shù)、旋轉(zhuǎn)參數(shù)、徑向移位參數(shù)三個參數(shù)表示的Chrip原子。
所述三參數(shù)Chirp時頻原子分解搜索最佳三參數(shù)Chirp時頻原子的方法是先估 計最佳時頻原子的旋轉(zhuǎn)方位，并假定在大比例參數(shù)下，三參數(shù)最佳Chirp原子的搜索就變 成了徑向移位一個參數(shù)的搜索，將多維搜索逐步分解成一維參數(shù)的搜索。
所述對濁音幀進(jìn)行正弦原子分解的方法是首先，利用經(jīng)驗?zāi)B(tài)分解方法對濁音
段語音信號進(jìn)行經(jīng)驗?zāi)B(tài)分解，得到一簇固有模態(tài)函數(shù)；然后，求取各個固有模態(tài)函數(shù)的瞬 時頻率和瞬時幅度和瞬時頻率加權(quán)能量函數(shù)并對其求導(dǎo)數(shù)，由于在聲門脈沖發(fā)生時刻，瞬
時能量一定增加而其瞬時能量的導(dǎo)數(shù)大于某個正數(shù)，對瞬時能量函數(shù)的導(dǎo)數(shù)已經(jīng)過閾值處 理后，其局部極大值發(fā)生的時刻即被認(rèn)為是聲門脈沖發(fā)生的時刻；最后，計算局部極大值的 時間間隔得到基音周期和基音頻率。 所述由正弦時頻原子、Chirp時頻原子聚合生成正弦時頻分子、Chirp時頻分子， 即由一簇時頻原子聚合生成時頻分子采用聚類算法。 本發(fā)明的優(yōu)點是在自適應(yīng)信號時頻表示過程中，使用時頻分子作為最小分析單 元，通過時頻分子分解信號可獲得信號的稀疏表示和結(jié)構(gòu)化特征信息，而這些結(jié)構(gòu)化信息 對于信號特征抽取、信號壓縮、模式識別等后續(xù)分析處理是重要的。


圖1是將語音信號進(jìn)行時頻原子分解并由時頻原子聚合生成時頻分子方法的流 程圖。
具體實施例方式
語音信號由諧波成分和瞬變成分構(gòu)成已成共識。語音信號在時頻平面的分布泄漏 出語音信號固有的時頻結(jié)構(gòu)信息，即語音中的諧波成分在時頻平面呈現(xiàn)一簇水平平行的線
4段，而瞬變成分則體現(xiàn)一簇傾斜平行的線段?，F(xiàn)有的基于時頻原子分析方法，必須使用一組 相互關(guān)聯(lián)的時頻原子才能表示一個完整的諧波成分或者瞬變成分。借用"物質(zhì)組成中分子 由原子組成、而分子是保持物質(zhì)性質(zhì)不變的最小單位"這一概念，我將這一簇時頻原子稱為 時頻分子。本發(fā)明使用時頻分子作為最小的分析單元來表示信號固有的時頻結(jié)構(gòu)化信息， 即對語音信號中的諧波成分使用正弦時頻分子、對瞬變成分使用Chirp時頻分子分別作為 基本構(gòu)建塊進(jìn)行分析，以得到信號的稀疏表示和提取信號的結(jié)構(gòu)化特征。
為了同時撲捉語音信號中的宏結(jié)構(gòu)成分和微結(jié)構(gòu)成分，首先使用正弦時頻原子分 解語音中的諧波成分；使用Chirp時頻原子逼近語音中瞬變成分。然后研究得到的正弦時 頻原子、Chirp時頻原子的參數(shù)分布特點，通過定義原子之間的相似度距離函數(shù)，采用聚類 算法將一系列相關(guān)的時頻原子聚合生成一個的時頻分子。對于參數(shù)相同或相近的時頻原子 進(jìn)行聚類分析，聚合過程的依據(jù)是不同語音段在時頻平面呈現(xiàn)的固有時頻結(jié)構(gòu)，即對于諧 波成分使用一個正弦時頻分子代替一簇正弦時頻原子，對于瞬變成分使用一個Chirp時頻 分子代替一簇Chirp時頻原子。把在時頻平面上性質(zhì)相同參數(shù)相近的一簇時頻原子用一個 時頻分子來描述，用不同的粒度分析信號，既能撲捉信號中的微結(jié)構(gòu)又能刻畫信號中的宏 成分；由一簇時頻原子聚合生成一個時頻分子，不僅可以減少時頻原子的數(shù)量，而時頻分子 的結(jié)構(gòu)化參數(shù)反映了信號產(chǎn)生的機理，它與信號的物理意義解釋相對應(yīng)。
本發(fā)明在使用Chirp時頻原子分解語音中的瞬變成分過程中，使用盡可能少的 參數(shù)表示的Chirp時頻原子，并通過預(yù)先估計Chirp時頻原子參數(shù)來代替對每個參數(shù)的 耗盡式搜索，以降低搜索最佳Chirp原子的計算復(fù)雜性，縮短搜索時間。用三個參數(shù)表示 Chirp時頻原子的方法是利用分?jǐn)?shù)階傅立葉變換定義一個旋轉(zhuǎn)算子，使信號旋轉(zhuǎn)到分?jǐn)?shù) 階域；令旋轉(zhuǎn)后的信號沿旋轉(zhuǎn)的方向徑向移動，得到旋轉(zhuǎn)-徑向移位復(fù)合算子；將比例算 子、旋轉(zhuǎn)_徑向移位復(fù)合算子作用于單位高斯函數(shù)，得到用比例參數(shù)、旋轉(zhuǎn)參數(shù)、徑向移位 參數(shù)三個參數(shù)表示的Chrip原子。搜索最佳三參數(shù)Chirp時頻原子的方法是先估計最佳 時頻原子的旋轉(zhuǎn)方位，并假定在大比例參數(shù)下，三參數(shù)最佳Chirp原子的搜索就變成了徑 向移位一個參數(shù)的搜索，將多維搜索逐步分解成一維參數(shù)的搜索。具體實現(xiàn)方法是首先， 利用Chirp信號的分?jǐn)?shù)階傅立葉變換在其調(diào)頻斜率處呈現(xiàn)沖激函數(shù)這一特征，先估計最佳 Chirp原子的線性調(diào)頻斜率，即它在時頻平面最可能的旋轉(zhuǎn)方位；因為高斯函數(shù)形狀由比 例參數(shù)控制，比例參數(shù)越大，高斯函數(shù)在時頻平面就越細(xì)越長，高斯函數(shù)也就越逼近Chirp 函數(shù)。然后，取一個大比例參數(shù)，使Chirp原子只沿著最佳旋轉(zhuǎn)方位徑向移動來調(diào)整其時頻 中心，使其與被分析信號達(dá)到最大程度地相關(guān)。最后，在最佳旋轉(zhuǎn)角度和徑向移位參數(shù)不變 的情況下，進(jìn)一步優(yōu)化比例參數(shù)，即局部調(diào)整最佳Chirp原子的時頻寬度，來得到最佳三參 數(shù)Chirp原子。 本發(fā)明在在使用正弦時頻原子分解語音中的諧波成分過程中，使用 Hilbert-Huang變換預(yù)先得到基因頻率后，再搜索正弦時頻原子的其他參數(shù)。語音中的諧波 成分是當(dāng)發(fā)濁音時形成的，氣流通過聲門使聲帶振動而產(chǎn)生準(zhǔn)周期激勵脈沖串，這些脈沖 串的周期就是基音周期，其倒數(shù)就是基音頻率。Hilbert-Huang變換的經(jīng)驗?zāi)B(tài)分解具有 自適應(yīng)帶通濾波特性，由它分解出來的固有模態(tài)函數(shù)是均值為零的窄帶調(diào)頻-調(diào)幅信號， 這與語音信號的調(diào)幅調(diào)頻模型相吻合，當(dāng)語音信號經(jīng)過經(jīng)驗?zāi)B(tài)分解后，它的基因和共振 峰分布在某些固有模態(tài)函數(shù)里。具體實現(xiàn)方法是首先，利用經(jīng)驗?zāi)B(tài)分解方法對濁音段語音信號進(jìn)行經(jīng)驗?zāi)B(tài)分解，得到一簇固有模態(tài)函數(shù)；然后，求取各個固有模態(tài)函數(shù)的瞬時 頻率和瞬時幅度和瞬時頻率加權(quán)能量函數(shù)并對其求導(dǎo)數(shù)，由于在聲門脈沖發(fā)生時刻，瞬時
能量一定增加而其瞬時能量的導(dǎo)數(shù)大于某個正數(shù)，對瞬時能量函數(shù)的導(dǎo)數(shù)以經(jīng)過閾值處理 后，其局部極大值發(fā)生的時刻就被認(rèn)為是聲門脈沖發(fā)生的時刻。最后，計算局部極大值的時 間間隔就可得到基音周期和基音頻率。 由于聚類的目的是發(fā)現(xiàn)樣本點之間最本質(zhì)的抱團(tuán)性質(zhì)的一種客觀反映，本發(fā)明由 一簇時頻原子聚合生成時頻分子就是采用聚類算法。聚類算法由特征選擇、相似性度量、聚 類算法、結(jié)果驗證和判斷組成。聚類分析以相似性為基礎(chǔ)，同一聚類中的對象相似度較高， 而不同聚類中的對象相似度較小在一個聚類中的模式之間比不在同一聚類中的模式之間 具有更多的相似性。通過定義原子與原子之間的一致性度量函數(shù)，將性質(zhì)相同參數(shù)相近的 一簇原子聚合成為分子。本發(fā)明采用K-means聚類算法，具體實現(xiàn)方法和過程是先指定 聚合生成的時頻分子數(shù)目，即聚類數(shù)目K作為迭代次數(shù)或收斂條件，并指定K個初始聚類中 心，根據(jù)一定的相似性度量準(zhǔn)則，將每一個時頻原子分配到最近或"相似"的聚類中心形成 類，然后以每一類的平均矢量作為這一類的聚類中心，重新分配，反復(fù)迭代直到類收斂或達(dá) 到最大的迭代次數(shù)，即生成一個時頻分子。K-means聚類算法對初始聚類中心依賴性比較 大，隨機選取初始聚類中心可能使得初始聚類中心得到的分類嚴(yán)重偏離全局最優(yōu)分類，這 樣使算法陷入局部最優(yōu)值，這時要經(jīng)過多次聚類才有可能達(dá)到較滿意的結(jié)果。本發(fā)明使用 預(yù)先估計得到的正弦時頻原子的頻率、Chirp時頻原子的旋轉(zhuǎn)參數(shù)作為初始化K-means聚 類中心，此方法有效地排除了隨機初始化過程中引入的隨機性因素，而且，這種初始化方式 也能夠利用數(shù)據(jù)中的類結(jié)構(gòu)信息，使得聚類質(zhì)量相對于隨機初始化時的平均質(zhì)量有顯著的 提高。 如圖1所示，下面給出生成時頻分子的具體方法
步驟一 將語音波形分成濁音幀和清音幀。 因為清音和濁音的發(fā)聲機理不同，其呈現(xiàn)的信號形式不同，濁音由于音源的準(zhǔn)周 期性和聲道的共振而明顯呈現(xiàn)準(zhǔn)周期性，并且攜帶聲調(diào)信息，而清音呈現(xiàn)類似噪聲特性的 瞬態(tài)特點，對這兩類特征不同的信號使用不同的時頻原子和進(jìn)行分解。
步驟二 提取濁音幀和清音幀固有的結(jié)構(gòu)化時頻信息。 利用現(xiàn)有魏格納-威利分布、長窗譜圖、短窗譜圖等時頻分布對濁音幀和清音幀 進(jìn)行時頻分析，觀察濁音幀和清音幀在時頻平面上呈現(xiàn)的結(jié)構(gòu)時頻特征。從直觀上來驗證 清音幀在時頻平面上呈現(xiàn)一簇傾斜平行、而濁音幀在時頻平面上呈現(xiàn)一簇水平平行的固有 時頻結(jié)構(gòu)。 步驟三使用預(yù)估計的匹配追蹤算法對清音幀進(jìn)行三參數(shù)Chirp時頻原子分解。 具體步驟 步驟l :預(yù)先估計三參數(shù)Chirp原子的最佳旋轉(zhuǎn)參數(shù)以適當(dāng)?shù)牟介L對信號作連續(xù) 分?jǐn)?shù)階傅立葉變換，在適當(dāng)?shù)拈撝迪滤阉骶植孔畲笾?，若最大值存在，則將對應(yīng)的分?jǐn)?shù)階傅 立葉變換的階數(shù)轉(zhuǎn)換成相對應(yīng)的角度，送入最佳Chirp原子的旋轉(zhuǎn)參數(shù)集合中，直至分?jǐn)?shù) 階傅立葉變換的角度的變化范圍為， n]，得到最佳旋轉(zhuǎn)參數(shù)集合為{^，i = 1，2，… M}。
步驟2 :搜索三參數(shù)Chirp原子的最佳徑向移位參數(shù)對于由步驟l得到的每一個
6小i，先選擇一個較大的固定的比例值a ，以便得到較細(xì)長的Chirp原子，搜索最佳徑向移位 參數(shù)。在搜索過程中，采用模擬變焦距過程，徑向移動參數(shù)P的步長可從大到小改變，使原
子與信號的相關(guān)函數(shù)最大，直到g。"^argm^及"雄)，g,)不再增大為止，從而確定最佳
徑向移位參數(shù)，即確定最佳Chirp原子的時頻中心，同時得到最佳時移和頻移參數(shù)。
步驟3 :局部優(yōu)化三參數(shù)Chirp原子的最佳比例參數(shù)對由步驟1、2確定的每一組
旋轉(zhuǎn)參數(shù)和徑向位移參數(shù)，局部地改變比例參數(shù)a的值，使g^^argi^xl〈i ";c(0,gp(0〉l不
再增大為止。過程類似于小波變換，比例參數(shù)可以采用a' =2—ka，k=l，2，…，進(jìn)行局部 優(yōu)化。 步驟四利用Hilbert-Huang變換對濁音幀進(jìn)行固有模態(tài)分解，以基因頻率為已 知參數(shù)對濁音幀進(jìn)行正弦原子分解。具體步驟 步驟l :對濁音幀進(jìn)行固有模態(tài)分解，得到一系列固有模態(tài)函數(shù)Ci(t)。 步驟2 :對固有模態(tài)函數(shù)Ci (t)進(jìn)行Hilbert變換，并求得每個固有模態(tài)分量的瞬
時幅度ai(t)、瞬時相位函數(shù)小i(t)、瞬時頻率函數(shù)"i(t)。 對每個固有模態(tài)函數(shù)Ci (t)進(jìn)行Hilbert變換，得到 &(0 =丄「逃7 ;r山00 / — r
構(gòu)造解析信號 瞬時幅值函數(shù)
瞬時相位函數(shù)



"々>

<formula>formula see original document page 7</formula>進(jìn)一步可以求出瞬時頻率函數(shù) 會，
(2)<formula>formula see original document page 7</formula>(3)<formula>formula see original document page 7</formula>(4)<formula>formula see original document page 7</formula>(5) 步驟3 :按照公式(6)計算稱為Hilbert譜，這里RP表示取實部，并用公式(7)求 Hilbert譜H(" ， t)的瞬時頻率加權(quán)能量FIE (t)函數(shù)
觀(f) = 。x 4))2 cto
(6)<formula>formula see original document page 7</formula>(7) 步驟4 :求瞬時頻率加權(quán)能量FIE(t)的導(dǎo)數(shù)DFIE(t)，并對DFIE(t)進(jìn)行閾值判 斷。在聲門脈沖發(fā)生時刻，瞬時能量一定增加，使其一階導(dǎo)數(shù)一定大于某個正數(shù)，通過對瞬 時能量一階導(dǎo)數(shù)值進(jìn)行閾值判斷處理，求經(jīng)過閾值判斷后的DFIE(t)的局部極大值，計算 各個局部極大值的時間間隔就可求得基音頻率。 步驟五計算時頻原子的相似度，分別由正弦時頻原子、Chirp時頻原子聚合生成 正弦時頻分子、Chirp時頻分子，得到清音幀和濁音幀的結(jié)構(gòu)化時頻特征。
步驟1 :使用預(yù)先估計得到的正弦時頻原子的頻率、Chirp時頻原子的旋轉(zhuǎn)參數(shù)作 為初始化K-means聚類中心。 步驟2 :使用歐氏距離度量兩個時頻原子之間的非相似性。 步驟3 :使用K-means聚類算法揭示時頻原子集中的聚類結(jié)構(gòu)，即由時頻原子聚合 成時頻分子。 步驟4 :采用誤差平方和準(zhǔn)則函數(shù)判斷聚類是否合理，不合理則修改分類。循環(huán)進(jìn) 行判斷、修改直至達(dá)到算法終止條件。 步驟5 :根據(jù)步驟二得到的濁音幀和清音幀固有的結(jié)構(gòu)化時頻信息，判斷聚類是
否合理。
權(quán)利要求
一種由時頻原子聚合生成時頻分子的方法，其特征是包括如下步驟(1)將語音波形分成濁音幀和清音幀；(2)提取濁音幀和清音幀固有的結(jié)構(gòu)化時頻信息；(3)使用預(yù)估計的匹配追蹤算法對清音幀進(jìn)行三參數(shù)Chirp時頻原子分解；(4)利用Hilbert-Huang變換對濁音幀進(jìn)行固有模態(tài)分解，以基因頻率為已知參數(shù)對濁音幀進(jìn)行正弦原子分解；(5)計算時頻原子的相似度，分別由正弦時頻原子、Chirp時頻原子聚合生成正弦時頻分子、Chirp時頻分子，得到清音幀和濁音幀的結(jié)構(gòu)化時頻特征。
2. 如權(quán)利要求1所述的由時頻原子聚合生成時頻分子的方法，其特征是所述三參數(shù) Chirp時頻原子分解用三個參數(shù)表示Chirp時頻原子，方法是利用分?jǐn)?shù)階傅立葉變換定 義一個旋轉(zhuǎn)算子，使信號旋轉(zhuǎn)到分?jǐn)?shù)階域；令旋轉(zhuǎn)后的信號沿旋轉(zhuǎn)的方向徑向移動，得到旋 轉(zhuǎn)-徑向移位復(fù)合算子；將比例算子、旋轉(zhuǎn)-徑向移位復(fù)合算子作用于單位高斯函數(shù)，得到 用比例參數(shù)、旋轉(zhuǎn)參數(shù)、徑向移位參數(shù)三個參數(shù)表示的Chrip原子。
3. 如權(quán)利要求1所述的由時頻原子聚合生成時頻分子的方法，其特征是所述三參數(shù) Chirp時頻原子分解搜索最佳三參數(shù)Chirp時頻原子的方法是先估計最佳時頻原子的旋 轉(zhuǎn)方位，并假定在大比例參數(shù)下，三參數(shù)最佳Chirp原子的搜索就變成了徑向移位一個參 數(shù)的搜索，將多維搜索逐步分解成一維參數(shù)的搜索。
4 如權(quán)利要求1所述的由時頻原子聚合生成時頻分子的方法，其特征是所述對濁音幀 進(jìn)行正弦原子分解的方法是首先，利用經(jīng)驗?zāi)B(tài)分解方法對濁音段語音信號進(jìn)行經(jīng)驗?zāi)?態(tài)分解，得到一簇固有模態(tài)函數(shù)；然后，求取各個固有模態(tài)函數(shù)的瞬時頻率和瞬時幅度和瞬 時頻率加權(quán)能量函數(shù)并對其求導(dǎo)數(shù)，由于在聲門脈沖發(fā)生時刻，瞬時能量一定增加而其瞬 時能量的導(dǎo)數(shù)大于某個正數(shù)，對瞬時能量函數(shù)的導(dǎo)數(shù)已經(jīng)過閾值處理后，其局部極大值發(fā) 生的時刻即被認(rèn)為是聲門脈沖發(fā)生的時刻；最后，計算局部極大值的時間間隔得到基音周 期和基音頻率。
5. 如權(quán)利要求1所述的由時頻原子聚合生成時頻分子的方法，其特征是所述由正弦時 頻原子、Chirp時頻原子聚合生成正弦時頻分子、Chirp時頻分子，即由一簇時頻原子聚合 生成時頻分子采用聚類算法。
全文摘要
本發(fā)明提出在自適應(yīng)信號時頻表示過程中，使用時頻分子作為最小分析單元代替現(xiàn)在普遍使用的時頻原子，并給出一種由時頻原子聚合生成時頻分子的方法。通過時頻分子分解信號可獲得信號的稀疏表示和結(jié)構(gòu)化特征信息，而這些結(jié)構(gòu)化信息對于信號特征抽取、信號壓縮、模式識別等后續(xù)分析處理是重要的。
文檔編號G10L25/93GK101714354SQ20091023204
公開日2010年5月26日 申請日期2009年11月27日 優(yōu)先權(quán)日2009年11月27日
發(fā)明者于鳳芹 申請人:江南大學(xué)