[发明专利]一种基于语谱图时间差分的语音音节数估计方法

权利要求书

1.一种基于语谱图时间差分的语音音节数估计方法，其特征在于，包括以下步骤：

S1、将语音信号通过快速傅里叶变换(Fast Fourier Transform，FFT)转换成语谱图X＝{x_t，t＝1，2，…T}，通过一个M阶图像后向平滑滤波器得到模糊形式语谱图对模糊形式语谱图进行N阶时间差分以及M阶图像后向平滑，得到N阶差分图S＝{s_t，t＝1，2…T-N}，其中，T为语音信号的短时帧数，x_t为语谱图X第t列的特征向量，为模糊形式语谱图X^*第t列的特征向量，s_t为N阶差分图S第t列的特征向量；

S2、对N阶差分图S的每一列进行频率区域选择性求和，以获得初步浊音起始边界统计特征，然后通过语谱图的动态特征以及边界时间间隔限制G₁得到初步浊音起始边界{a_i，i＝1，2，…I}，其中，I为得到的初步浊音起始边界的个数，a_i为第i个初步浊音起始边界；

S3、将N阶差分图的第一频带F₀＝[0，f₀]部分与图案P进行局部图案匹配得到其图案特征图f₀为第一频带的最大频率，通过图案特征图计算出匹配浊音起始边界{b_j，j＝1，2，…J}，其中，为图案特征图S^*第t列的特征向量，J为得到的匹配浊音起始边界的个数，b_j为第j个匹配浊音起始边界；

S4、结合初步浊音起始边界和匹配浊音起始边界，通过一个边界时间间隔限制G₂，得到最终的浊音起始边界{c_k，k＝1，2，…K}，最后计算出音节数K，其中，c_k为第k个最终的浊音起始边界；

S5、以规定时间内音节数的多少来作为言语障碍患者发音流畅度的评价指标。

2.根据权利要求1所述的一种基于语谱图时间差分的语音音节数估计方法，其特征在于，步骤S1中，定义M阶图像后向平滑滤波器为形状M*M，取值如下的矩阵，M取大于等于3的奇数，使得取1值的列数比取0值的列数多一列，M越大，所得的模糊形式语谱图越模糊：

M阶图像后向平滑滤波的计算方法如下：

其中w_x，y表示M阶图像后向平滑滤波器在(x，y)处的值；表示滤波后的图像在时间t，频率f处的值；W_f-i，t-j表示滤波前的图像在时间t-j，频率f-i处的值，若t-j＜0或f-i＜0，则令W_f-i，t-j＝0。

3.根据权利要求1所述的一种基于语谱图时间差分的语音音节数估计方法，其特征在于，步骤S1中，定义N阶时间差分为：

其中s_f，t表示模糊形式语谱图在时间t，频率f处的值。