[发明专利]一种基于MFCC的单一音频信号识别方法

摘要

一种基于MFCC的单一音频信号识别方法，属于电子信息技术中的信号处理技术领域，涉及基于内容的音频信号检索、识别方法。首先对待测试单一音频信号进行端点检测，包括滤波、分帧、计算平均短时能量和计算过零率；然后计算待测试单一音频信号的均值MEL倒谱系数；最后根据待测试单一音频信号的均值MEL倒谱系数和标准音频信号特征库，采取最近邻识别算法识别待测单一音频信号。本发明采用MEL倒谱系数作为音频信号的识别特征进行单一音频信号的识别，可以适用于各种声音，大大地提高音频识别的通用性。

主权项

1、一种基于MFCC的单一音频信号识别方法，假定所识别的音频类型有c种，每种类型分别标记为w1，w2，…wi，…wc，i＝1，2，...，c；并假定已建立标准的音频信号库，音频信号库中每一种类型的参考音频信号由一系列的音频例子组成，其特征是，它包括如下步骤：步骤一、对待测试单一音频信号进行端点检测，包括如下具体步骤：第一步：对待测试单一音频信号进行滤波处理，即根据采样率的不同，选择适当的参数，将人耳能感知的音频信号以外的声音滤除；第二步：选择适当的阈值，检测待测单一音频信号的起始点和结束点首先对待测单一音频信号按照每个短时音频帧约为250毫秒进行分帧处理，为保证其连续性，对音频帧进行迭加处理，音频帧间的迭加率50％～80％；然后对短时帧音频信号进行平均短时能量的计算，并判断：如果AMP＞AMP1，判断为信号部分，AMP＜AMP1，判断为噪音；对短时帧音频信号进行短时过零率的计算，并判断：如果ZCR＞ZCR1，判断为信号部分，ZCR＜ZCR1，判断为噪音；根据平均短时能量和过零率的计算和判断确定待测单一音频信号的起始点和结束点；步骤二、计算待测试单一音频信号的均值MEL倒谱系数将60Hz～20KHz的频带按照MEL频率平均化分为24个子带；计算每个短时帧的每个频率子带的能量总和，分别得到每个短时帧的每个频率子带的Mel系数；对提取出来的Mel系数计算其对应的倒谱系数，就得到每个短时帧的每个频率子带的Mel倒谱系数；将所有短时音频帧同一频带的Mel倒谱系数进行求均值，便得到待测单一音频信号的均值Mel倒谱系数；步骤三、标准音频信号特征库的建立对标准音频信号库中的每个音频例子，计算其均值MEL倒谱系数，具体方法如同步骤二，由此建立训练音频信号特征库{y1，y2，...，yN}；步骤四、采用最近邻识别算法识别待测单一音频信号对于c个音频类型w1，w2，…wi，…wc，标准音频信号库中的音频训练样本为{y1，y2，...，yN}，计算未知待测样本x与各训练样本类间的最短距离：$d(x,w_i)=\underset{j}{\min }\left(d(y,y_j)\right),$ 其中i＝1，2，...c；j＝1，2，...N，将最短距离的一类作为识别结果。