[发明专利]基于分形特征的智能轮椅语音识别控制方法及系统

权利要求书

1.基于分形特征的智能轮椅语音识别控制方法，其特征在于：包括以下步骤：

S1：语音信号命令词输入；

S2：对语音信号进行预处理；

S3：提取经过预处理后语音信号的特征参数；

S4：将特征参数与模板库的模板进行模式匹配；

S5：选择匹配相似度最高的模板作为识别结果；

S6：将该识别结果转换成智能轮椅的运动命令；

S7：调用相应的控制函数，驱动智能轮椅按照语音信号进行运动。

2.根据权利要求1所述的基于分形特征的智能轮椅语音识别控制方法，其特征在于：所述步骤S2中的预处理，包括语音的预加重滤波、加窗分帧处理与双门限端点检测。

3.根据权利要求1所述的基于分形特征的智能轮椅语音识别控制方法，其特征在于：所述步骤S3中的特征提取包括以下步骤：

S31：提取语音信号的Mel频率倒谱系数MFCC参数；

S311：首先确定每一帧语音采样序列的点数，对每帧序列s(n)进行预加重滤波处理；

S312：再进行离散傅立叶变换FFT变换，取模的平方得到离散功率谱S(n)；

S313：在语音的频谱范围内设置若干个带通滤波器；在某一频谱范围内的语音可以通过此带通滤波器，而其它范围的语音频谱被衰减至极低值。此带通滤波器如下：

H_m(n)，m＝0，1，·，M-1，n＝0，1，·，N/2-1

其中H_m(n)为每个带通滤波器的传递函数，M为滤波器的个数，通常取24，N为一帧语音信号的点数；

S314：将离散功率谱转换为Mel频率下的功率谱S(n)；

计算S(n)通过M个H_m(n)后所得的功率值，即计算S(n)和H_m(n)在各离散频率点上乘积之和，得到M个参数P_m，m＝0，1，·，M-1，此处P_m为中心频率；

S315：计算P_m的自然对数，得到L_m，m＝0，1，·，M-1，此处L_m为对数频谱。

S316：对L₀，L₁，·，L_m-1计算其离散余弦变换，得到D_m，m＝0，1，·，M-1；

S317：舍去代表直流成分的D₀，取D₁，D₂，·，D_K作为MFCC参数；

S32：提取语音的动态特征，作为一帧语音信号的特征参数，

用差分倒谱参数来描述语音的动态特征，计算公式为：

d(n)=1Σi=-kki2Σi=-kki·(n+i)]]>

其中c和d都表示一帧语音参数，k为常数，通常取2，差分参数就称为当前帧的前两帧和后两帧参数的线性组合；由此式计算得到的差分参数为一阶MFCC差分参数，实际使用中，将MFCC参数和各阶MFCC差分参数合并为一个矢量；

S33：提取语音信号的分形维数作为分形特征；

S331：将语音信号归一化到单位正方形区域，得到归一化信号x(t)；

S332：将正方形区域划分为边长为s的网格，计算出logN(s)，log(1/s)，N(s)表示用边长为s的网格覆盖x(t)所需要的最小正方形个数，改变s的大小，计算相应的logN(s)，log(1/s)；

S 333：令x_i＝log(1/s_i)，y_i＝logN(s_i)，i＝1，2，·，M，利用(x_i，y_i)最小二乘拟合直线y＝kx+b，k即为计盒维数D_B，D_B的计算公式为：

DB=[(Σi=1Myi)(Σi=1Mxi)-M(Σi=1Myixi)][(Σi=1Mxi)2-M(Σi=1Mxi2)],]]>

语音信号的分形特征由分形维数来定量表征；由此求出语音信号的分形特征值作为语音信号的特征参数；

S34：提取混合特征参数，

将分形维数D_B和一阶MFCC差分参数合并到MFCC参数中组成混合的特征参数MFCC+ΔMFCC+D；

其中，ΔMFCC为一阶MFCC差分参数，D为分形维数。