[发明专利]一种英语有声影像资料自动加注英语字幕的方法

摘要

本发明公开了一种英语有声影像资料自动加注英语字幕的方法，包括如下步骤：步骤一、获取有声影像中语音信号x(n)及该语音在有声影像中所对应的时间；步骤二、对原始信号x(n)进行预加重和加汉明窗；步骤三、进行离散傅里叶变换得到频谱；步骤四、将频谱系数用三角滤波器进行滤波处理，得到每个滤波器输出的对数能量；步骤五、进行离散余弦变换，得到MFCC参数；步骤六、提取MFCC特征向量；步骤七、将MFCC特征向量与数据库中存储的单词的特征向量进行匹配，以得到相匹配的单词文字；步骤八、将相匹配的单词文字在所对应的时间上显示到声影像资料中。

主权项

一种英语有声影像资料自动加注英语字幕的方法，其特征在于，包括如下步骤：步骤一、获取有声影像中语音信号x(n)及该语音在有声影像中所对应的时间，其中n为采样点标号；步骤二、对原始信号x(n)进行预加重，得到加重后信号y(n)＝x(n)‑0.95x(n‑1)，加汉明窗s_w(n)＝y(n)*w(n)其中，w(n)＝0.54‑0.46cos(2nπ/N‑1)，n＝0,1,Κ,N‑1，s_w(n)为加窗后的信号，N为最后一个采样点的标号；步骤三、对s_w(n)进行离散傅里叶变换得到频谱：$F\left(k\right)=\underset{n=0}{\overset{N-1}{\Σ}}{s}_w{\left(n\right)}^{-j2\mathrm{\π}nk/N};$其中，j为虚数单位；步骤四、将频谱系数用三角滤波器进行滤波处理，得到每个滤波器输出的对数能量：$X_i=\ln \left(\underset{k=0}{\overset{N-1}{\Σ}}F\right(k)*H_i(k\left)\right),0\≤i\≤M;$其中，M为滤波器的个数；步骤五、进行离散余弦变换，得到MFCC参数：$C_n=\underset{i=0}{\overset{M-1}{\Σ}}{X}_{i}cos\left(\mathrm{\π}n\right(i+0.5)/M),0\≤n\≤M;$步骤六、将对数能量和C₁,C₂,Κ,C₁₂组成一个13维特征向量C，并将C连续进行两次差分，得到ΔC和ΔΔC，将C、ΔC、ΔΔC组成的39维特征向量作为MFCC特征向量；步骤七、将MFCC特征向量与数据库中存储的单词的特征向量进行匹配，以得到相匹配的单词文字；步骤八、将相匹配的单词文字在所对应的时间上显示到声影像资料中。