特征均值估计在低复杂度声分类器中应用.pdfVIP

Pt．2 第30卷第6期 声学技术 V01．30，No．6 2011年12月 TcchnicaIAcoustics Dec．．20ll 特征均值估计在低复杂度声分类器中的应用 韩晓丽，崔杰，肖灵 (中国科学院声学研究所，北京．I∞190) inalow The ofFeatureMean-valueEstimation Application SoundClassifier complexity (InstituteofAcoustlcJ，ChlneaeAcademyofScience,lOOigO．China) FI=[FI甩…，剐。得到的特征系数序列，可以做滤 1引 言 波处理，也可以估计其均值或方差【2J，将得到的 在满足一定分类精度的前提下，尽可能地减 结果作为新的特征供分类系统使用。 少输入的特征数最是降低分类系统计算复杂度的 2．2系统组成 重要出发点。对提取出的特征进行加T处理，如 下面以基于量化器VQ和聚类方法的简单分 低通滤波II J，取均值或方筹等，可以提高特征的 类系统为基础进行说明。vQ初始码本采用分裂 辨识能力，减少所需的特征数，同时这类简单处 法产生，VQ的训练采用Generalized Lloyd 理引入的额外计算最也不人，使整个分类系统的 Algorithm算法实现，采用聚类的方法对音频信 计算复杂度降低。 号进行分类。系统原理框图如图1所示。 声信号分类系统中，与倒谱自-关的特征(如倒 谱蓐分系数，Mel倒谱等)得到了较广泛的应用。 本文将以基于最化器的简单分类器为例，说明对 分类 使用的倒谱謦分系数进行均值估计后，大人改善 了系统性能，减少所需的特征数。 图l系统原理圈 2实现过程 这里的特征选用一阶倒谱差分系数，提取倒 谱差分系数后，每Ⅳ帧信号的同一特征系数为一 2．1原理 组，用于估计该系数的均值，然后作为新的特征 语音信号是准平稳的时变信号，具自．短时平 用于分类。相邻两组的倒谱燕分系数。后一组相 稳特性，在经过分帧和加窗处理后，可以认为在 对前一一组只更新·‘帧的系数值。这样，均值估计 每帧对虑时段内是甲稳的。假’搜语音信号删为 后，仍然保持每一4帧判决一次，保证系统的实时 一随机过程，则分帧加窗后的一帧信号朋俐，可 性。 以看作是加窗的随机过程。采样后，每帧序列记 这里使用的倒谱麓分系数计算过程pJ如下： 为m，粥在各离散时刻的取值为朋例，n=l，2，．．．