声音探伤学习.pptx

装置构成;详细步骤;诊断疾病明细;输入与AD转换;求取声音数字信号参数MFCC (Mel-Frequency Cepstrum Coefficient);计算与参考模块的相似度Viterbi Decoder;计算、学习、训练参考模块 HMM (Hidden Markov Model);得出诊断结果;语音特征提取;MFCC的分析符合人类的听觉特性，人耳具有一些特殊的功能，能在嘈杂的环境中以及各种异变情况下分辨出各种语音，其中耳蜗起了关键作用 ． 耳蜗实质上就相当于是一个滤波器组，耳蜗滤波作用是在对数频率尺度上进行的，1 000 Hz以下是线性尺度，1 000 Hz以上是对数尺度，这就使人耳对高频敏感．根据这一原则研究了一组类似于人耳蜗作用的滤波器即Mel频率滤波器． MFCC是使用傅立叶分析提取的语音特征参数，是类似于指数的形式，它和实际频域之间的关系见下式． ［1］ ［2］ 式中，Fmel是以MEL为单位的感知频域 ，FHz是以Hz为单位的实际频域．将语音信号的频谱变换到感知频域中，能更好地进行模拟听觉过程的处理． －－－－《MFCC和LPCC特征参数在说话人识别中的研究》［1］ －－－－《Speech Production Based on the Mel-Frequency Cepstral Coefficients》［2］;MFCC分析;预加重：通过一个一阶有限激励响应高通滤波器，使信号的频谱变得平坦，不易受到有限字长效应的影响。预加重用于消除唇辐射的影响和声门效应，进行高频提升。 分帧：根据语音的短时平稳特性，语音可以以帧为单位进行处理，实验中选取的语音帧长为25ms，帧叠为10ms。 加窗：采用hamming窗对一帧语音加窗，以减小吉布斯效应的影响。 快速傅立叶变换(Fast Fourier Transformation, FFT)：将时域信号变换成为信号的功率谱。 三角窗滤波：用一组Mel频标上线性分布的三角窗滤波器(共24个三角窗滤波器)，对信号的功率谱滤波，每一个三角窗滤波器覆盖的范围都近似于人耳的一个临界带宽，以此来模拟人耳的掩蔽效应。 求对数：对三角窗滤波器组的输出求取对数，可以得到近似于同态变换的结果。 离散余弦变换(Discrete Cosine Transformation, DCT)：去除各维信号之间的相关性，将信号映射到低维空间。 倒谱均值减(Cepstrum Mean Subtraction, CMS)：CMS可以有效地减小语音输入信道对特征参数的影响。 差分参数：大量实验表明，在语音特征中加入表征语音动态特性的差分参数，能够提高系统的识别性能。 线性鉴别分析(linearity distinction analysis) ;注释;－－《基于乘积HMM的双模态语音识别方法》;MFCC分析;LSP算法分析;LSP 线性频谱对(Line Spectrum Sairs);线谱对(LSP)的属性。 当P(z)的和Q(z)的根是交错并当且仅当根是单调递增的时候，滤波器是稳定的。此外，两个根越近，过滤器在相应的频率谐振越发明显。因为LSP对于噪声的量化并不敏感，稳定性是很容易保证，LSP被广泛用于LPC滤波器量化。线谱频率(LSF)可以进行插值运算。;PLP知觉性线性预测(Perceptual Linear Predictive);PLP分析;注释;LPCC线性预测倒谱系数(Linear Prediction Cepstrum Coefficient);MFCC与PLCC的比较;SBC次频带编码(Sub Band Codec);有设计模型的子带涉及几个问题： 1)定义频率子带， 2)在每个子带使用的数字特征， 3)信息应该在哪些时间单元合并， 4)合并技术。 ;Viterbi Decoder维特比解码器;Viterbi Decoder维特比解码器;DTW动态时间归整法(Dynamic Time Warping );参考模板可表示为 R={R(1),R(2),……,R(m),……,R(M)} 测试模板可表示为 T={T(1),T(2),……,T(n),……,T(N)} 参考模板与测试模板一般采用相同类型的特征矢量（如MFCC，LPC系数）、相同的帧长