一種包含聲母的音節(jié)切分方法及裝置的制造方法
【專利摘要】本發(fā)明公開了一種包含聲母的音節(jié)切分方法及裝置，涉及語音信號處理技術(shù)領(lǐng)域。本發(fā)明技術(shù)要點(diǎn)包括：步驟1：獲取一段語音信號；該語音信號包括至少一個音節(jié)，且該語音信號包含的音節(jié)都是帶有聲母的音節(jié)；步驟2：識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)；步驟3：確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)；步驟4：根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組中的各個音節(jié)進(jìn)行精確切分。
【專利說明】
一種包含聲母的音節(jié)切分方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及語音信號處理技術(shù)領(lǐng)域，尤其是一種音節(jié)自動切分技術(shù)。
【背景技術(shù)】
[0002] 腭裂語音計算機(jī)自動評估算法的實(shí)現(xiàn)具有重要臨床意義，將為語音師和腭裂患者 提供有效的客觀輔助診斷，有助于腭裂語音評估與語音治療的廣泛普及。
[0003] 腭裂語音會出現(xiàn)特有的表現(xiàn)形式，包括共鳴障礙和構(gòu)音障礙。其中，高鼻音是共鳴 障礙的主要表現(xiàn)形式，主要發(fā)生于普通話韻母及濁音聲母部分。構(gòu)音障礙是由于患者發(fā)音 方法不正確而產(chǎn)生，其表現(xiàn)形式包括輔音替代、代償性發(fā)音等。腭裂構(gòu)音障礙主要發(fā)生于普 通話音節(jié)中的韻母部分。在對腭裂語音共鳴與構(gòu)音障礙的研究中，需要首先實(shí)現(xiàn)對腭裂語 音中各個音節(jié)信號的自動識別，該步驟為普通話腭裂語音信號處理的重要預(yù)處理過程。 [0004]普通話中，一個漢字的發(fā)音為一個音節(jié)。通常，一個音節(jié)由聲母和韻母兩部分組 成，普通話中也存在零聲母現(xiàn)象，即音節(jié)中只有韻母部分。在研究腭裂語音時，腭裂語音數(shù) 據(jù)庫包含的語音樣本中，沒有零聲母和輔音省略的音節(jié)。也即是本發(fā)明的處理對象是包含 聲母與韻母的音節(jié)，由于音節(jié)中必然包含韻母，因此又簡稱為包含聲母的音節(jié)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種包含聲母音節(jié)的識別、切分算法。
[0006] 本發(fā)明首先提供了一種包含聲母的音節(jié)切分方法，包括：
[0007] 步驟1:獲取一段語音信號；該語音信號包括至少一個音節(jié)，且該語音信號包含的 音節(jié)都是帶有聲母的音節(jié)；
[0008] 步驟2:識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)；
[0009] 步驟3:確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)；
[0010] 步驟4:根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組中的各個音節(jié) 進(jìn)行精確切分。
[0011] 所述步驟2進(jìn)一步包括：
[0012] 步驟21:提取反映該語音信號幅值變化趨勢的準(zhǔn)包絡(luò)曲線；
[0013] 步驟22:對準(zhǔn)包絡(luò)曲線進(jìn)行平滑及歸一化處理；
[0014] 步驟23:對步驟22的結(jié)果進(jìn)行連續(xù)詞組的端點(diǎn)檢測，從而得到各連續(xù)詞組的起點(diǎn) 及終點(diǎn)。
[0015] 所述步驟23進(jìn)一步包括：
[0016] 步驟231:在步驟22的結(jié)果中取信號幅值大于閾值D1的信號段；
[0017] 步驟232:在每一段信號幅值大于閾值D1的信號段中，判斷是否有信號的幅值大于 閾值D2;如果該段語音信號中有信號的幅值大于閾值D2,則這段語音信號的時域波形與幅 值為D1的直線的兩個交點(diǎn)，為連續(xù)詞組的起點(diǎn)與終點(diǎn)。
[0018] 所述步驟3進(jìn)一步包括：
[0019] 步驟31:對步驟23得到的連續(xù)詞組計算時長，如不超過單音節(jié)時間閾值，則認(rèn)為該 連續(xù)詞組為一個音節(jié);否則對步驟23得到的連續(xù)詞組進(jìn)行后續(xù)的處理步驟；
[0020] 步驟32:去掉峰值小于第一閾值的波峰，查找連續(xù)詞組的剩余波峰；
[0021 ]步驟33:確定兩個相鄰波峰之間的波谷，確定并將第一個波谷作為音節(jié)的粗切分 點(diǎn)。
[0022]所述步驟4進(jìn)一步包括：
[0023]步驟41:將步驟1得到的原始語音信號中幅值小于第二閾值的信號幅值設(shè)為0; [0024]步驟42:在連續(xù)詞組的起點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語 音信號，得到若干語音幀；
[0025]步驟43:計算步驟42得到的各個語音幀的短時過零率，將其中第一個短時過零率 不為〇的語音幀的起點(diǎn)作為一個音節(jié)的精確切分起點(diǎn)；
[0026]步驟44:在連續(xù)詞組的音節(jié)粗切分點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干 個幀的語音信號，得到若干語音幀；
[0027]步驟45:計算步驟44得到的各個語音幀的短時過零率，將左側(cè)語音幀中最后一個 短時過零率不為0的語音幀的起點(diǎn)作為前一個音節(jié)的精確切分終點(diǎn)；將右側(cè)語音幀中第一 個短時過零率不為0的語音幀的起點(diǎn)作為后一個音節(jié)的精確切分起點(diǎn)；
[0028]步驟46:在連續(xù)詞組的終點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語 音信號，得到若干語音幀；
[0029]步驟47:計算步驟46得到的各個語音幀的短時過零率，將其中最后一個短時過零 率不為〇的語音幀的起點(diǎn)作為音節(jié)的精確切分終點(diǎn)。
[0030] 本發(fā)明還提供了一種包含聲母的音節(jié)切分裝置，包括：
[0031] 原始語音信號獲取單元，用于讀取一段語音信號;該語音信號包括至少一個音節(jié)， 且該語音信號包含的音節(jié)都是帶有聲母的音節(jié)；
[0032] 連續(xù)詞組識別單元，用于識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)；
[0033] 音節(jié)粗切分單元，用于確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)；
[0034] 音節(jié)精確切分單元，根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組 中的各個音節(jié)進(jìn)行精確切分。
[0035] 所述連續(xù)詞組識別單元進(jìn)一步包括：
[0036]準(zhǔn)包絡(luò)線提取子單元，用于提取反映該語音信號幅值變化趨勢的準(zhǔn)包絡(luò)曲線； [0037] 預(yù)處理子單元，用于對準(zhǔn)包絡(luò)曲線進(jìn)行平滑及歸一化處理；
[0038]端點(diǎn)檢測子單元，用于對預(yù)處理子單元輸出的結(jié)果進(jìn)行連續(xù)詞組的端點(diǎn)檢測，從 而得到各連續(xù)詞組的起點(diǎn)及終點(diǎn)。
[0039]所述端點(diǎn)檢測子單元進(jìn)一步用于：
[0040]在對預(yù)處理子單元輸出的結(jié)果中取信號幅值大于閾值D1的信號段；
[0041]以及在每一段信號幅值大于閾值D1的信號段中，判斷是否有信號的幅值大于閾值 D2;如果該段語音信號中有信號的幅值大于閾值D2,則這段語音信號的時域波形與幅值為 D1的直線的兩個交點(diǎn)，為連續(xù)詞組的起點(diǎn)與終點(diǎn)。
[0042] 所述音節(jié)粗切分單元進(jìn)一步包括：
[0043] 單音節(jié)判別子單元，用于對端點(diǎn)檢測子單元得到的連續(xù)詞組計算時長，如不超過 單音節(jié)時間閾值，則認(rèn)為該連續(xù)詞組為一個音節(jié)；否則對端點(diǎn)檢測子單元得到的連續(xù)詞組 輸出到后續(xù)的子單元；
[0044] 波峰檢測子單元，用于去掉峰值小于第一閾值的波峰，查找連續(xù)詞組的剩余波峰；
[0045] 波谷檢測子單元，用于確定兩個相鄰波峰之間的波谷，確定并將第一個波谷作為 音節(jié)的粗切分點(diǎn)。
[0046] 所述音節(jié)精確切分子單元進(jìn)一步包括：
[0047] 幅值置零子單元，用于將原始語音信號獲取單元得到的原始語音信號中小于第二 閾值的幅值設(shè)為〇;
[0048] 連續(xù)詞組起點(diǎn)加窗子單元，用于在連續(xù)詞組的起點(diǎn)左側(cè)及右側(cè)的原始語音信號中 分別截取若干個幀的語音信號，得到若干語音幀；
[0049] 連續(xù)詞組首音節(jié)起點(diǎn)精確切分子單元，用于計算加窗子單元得到的各個語音幀的 短時過零率，將其中第一個短時過零率不為〇的語音幀的起點(diǎn)作為一個音節(jié)的精確切分起 占.
[0050] 粗切分點(diǎn)加窗子單元，用于在連續(xù)詞組的音節(jié)粗切分點(diǎn)左側(cè)及右側(cè)的原始語音信 號中分別截取若干個幀的語音信號，得到若干語音幀；
[0051] 連續(xù)詞組內(nèi)音節(jié)精確切分子單元，用于計算音節(jié)粗切分點(diǎn)加窗子單元得到的各個 語音幀的短時過零率，將左側(cè)語音幀中最后一個短時過零率不為〇的語音幀的起點(diǎn)作為前 一個音節(jié)的精確切分終點(diǎn)；將右側(cè)語音幀中第一個短時過零率不為〇的語音幀的起點(diǎn)作為 后一個音節(jié)的精確切分起點(diǎn)；
[0052] 連續(xù)詞組終點(diǎn)加窗子單元，用于在連續(xù)詞組的終點(diǎn)左側(cè)及右側(cè)的原始語音信號中 分別截取若干個幀的語音信號，得到若干語音幀；
[0053] 連續(xù)詞組末音節(jié)終點(diǎn)精確切分子單元，用于計算連續(xù)詞組終點(diǎn)加窗子單元得到的 各個語音幀的短時過零率，將其中最后一個短時過零率不為〇的語音幀的起點(diǎn)作為音節(jié)的 精確切分終點(diǎn)。
[0054] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
[0055] 1.本發(fā)明提供了計算機(jī)自動識別含聲母音節(jié)的方法，填補(bǔ)了現(xiàn)有技術(shù)空白，為腭 裂語音的計算機(jī)自動評估奠定了基礎(chǔ)。
[0056] 2.本發(fā)明在切分音節(jié)時先進(jìn)行粗切分，然后在粗切分點(diǎn)的基礎(chǔ)上進(jìn)一步尋找精確 切分點(diǎn)，即提高了處理速度，又使得音節(jié)切分更加精準(zhǔn)。
【附圖說明】
[0057]本發(fā)明將通過例子并參照附圖的方式說明，其中：
[0058]圖1為本發(fā)明流程圖。
[0059]圖2為一段原始語音信號的時域波形。
[0060]圖3為經(jīng)過中值濾波后的原始語音信號的準(zhǔn)包絡(luò)曲線。
[0061]圖4為對平滑后的準(zhǔn)包絡(luò)曲線進(jìn)行歸一化后的波形。
[0062]圖5為連續(xù)詞組提取后的結(jié)果。
[0063]圖6為音節(jié)粗切分結(jié)果。
[0064]圖7為對原始語音信號進(jìn)行幅值置零后的結(jié)果。
[0065] 圖8為一段語音信號中選取其中一個連續(xù)詞組進(jìn)行音節(jié)精確切分的結(jié)果。
[0066] 圖9為對一段語音信號進(jìn)行音節(jié)精確切分的結(jié)果。
【具體實(shí)施方式】
[0067] 本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0068] 本說明書中公開的任一特征，除非特別敘述，均可被其他等效或具有類似目的的 替代特征加以替換。即，除非特別敘述，每個特征只是一系列等效或類似特征中的一個例子 而已。
[0069] 普通話中，一個漢字的發(fā)音為一個音節(jié)。本發(fā)明處理的對象是由聲母和韻母兩部 分組成的音節(jié)，不考慮零聲母和輔音省略的音節(jié)。
[0070] 普通話中共包含21個聲母，其中m，n, 1，r四個聲母為池音，剩下的的17個聲母為清 音。根據(jù)發(fā)音位置和發(fā)音方式的不同，聲母又可以分為:塞音(b，p，d，t，g，k)、塞擦音(z，c, zh,ch, j ,q)、擦音(f ,s,sh，r，x，h)、鼻音(m,n)和邊音（1)。普通中包含三十九個韻母，韻母 由元音和復(fù)合元音組成。
[0071] 本實(shí)施例中的腭裂語音數(shù)據(jù)由四川大學(xué)華西口腔醫(yī)院唇腭裂外科"腭裂語音治療 中心"進(jìn)行采集。該中心為國內(nèi)最大的唇腭裂治療中心。受試者在安靜的錄音室中，朗讀"四 川大學(xué)華西口腔醫(yī)院語音矯治室普通話構(gòu)音測量表"。該測量表充分考慮普通話構(gòu)音結(jié)構(gòu) 和腭裂語音特性，包含了完整的腭裂語音單元，共包含84個詞語和10個數(shù)字，覆蓋了普通話 中的全部聲母和各語種中最為常用的元音。
[0072]如圖1，該發(fā)明首先獲取一段語音信號，然后對語音信號中的連續(xù)詞組進(jìn)行自動檢 測。通過該檢測步驟，得到的一個普通話詞組中可能包含多個普通話音節(jié)。算法的第三步實(shí) 現(xiàn)對詞組中單個音節(jié)信號的自動粗切分。算法的第四步實(shí)現(xiàn)對腭裂語音普通話音節(jié)的精確 切分。
[0073]下面詳細(xì)介紹本發(fā)明步驟：
[0074] 1.獲取一段語音信號;其采樣頻率為22050Hz，語音信號時長8~10秒。
[0075] 步驟3:確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)；
[0076] 步驟4:根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組中的各個音節(jié) 進(jìn)行精確切分。
[0077] 每位受試者錄制一段語音信號，采集到的語音信號如圖2所示。
[0078] 2.識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)
[0079] 2.1提取反映該語音信號幅值變化趨勢的準(zhǔn)包絡(luò)曲線。準(zhǔn)包絡(luò)曲線可以是信號的 包絡(luò)線，也可以是信號正數(shù)部分的包絡(luò)線，或者是信號取絕對值后的包絡(luò)線。
[0080] 本實(shí)施例通過計算信號的短時對數(shù)能量矩陣獲得其準(zhǔn)包絡(luò)曲線。
[0081 ]對語音信號進(jìn)行分幀處理，如語音幀長度為21.8ms，幀移為10.9ms，計算每幀語音 信號的對數(shù)能量，得到該段語音信號的短時對數(shù)能量向量LE。在其他實(shí)施例中還可以使用 短時線性能量特征計算信號的準(zhǔn)包絡(luò)曲線。
[0082]與短時線性能量特征相比，短時對數(shù)能量對小的線性能量值壓縮小，而不致將幅 度較小的輔音信號誤認(rèn)為靜音切掉。同時，短時對數(shù)能量特征能較好地反映語音段、噪聲 段、無聲段的區(qū)別。
[0083] 以語音信號的第4mXl(n)為例，其短時對數(shù)能量值計算表達(dá)式為：
[0084] LEi = lg(Ei+a)-lga； (1)
[0085]
[0086] 其中：N為第i幀信號的信號長度，a為一個固定的常數(shù)。經(jīng)過試驗證明，當(dāng)a = 5X 1〇5時，取得了較好的檢測結(jié)果。
[0087] 如此計算各幀的短時對數(shù)能量值，便得到一個該語音信號的短時對數(shù)能量向量 LE〇
[0088] 2.2對準(zhǔn)包絡(luò)曲線進(jìn)行平滑及歸一化處理
[0089] 首先對準(zhǔn)包絡(luò)曲線，即短時對數(shù)能量向量LE，進(jìn)行中值濾波，得到平滑后的對數(shù)能 量向量。本實(shí)施例的濾波長度為3,圖3為平滑后的結(jié)果。
[0090] 然后對平滑后的對數(shù)能量向量進(jìn)行歸一化，得到向量E，如圖4所示，本實(shí)施例使平 滑后的準(zhǔn)包絡(luò)曲線的幅值位于〇~1之間。
[0091 ] 2.3對連續(xù)詞組進(jìn)行端點(diǎn)檢測，從而得到各連續(xù)詞組的起點(diǎn)及終點(diǎn)。求取平滑和歸 一化后的準(zhǔn)包絡(luò)曲線E中，其幅值大于閾值D1的信號段(D1的取值為0.05)。在每一段信號幅 值大于閾值D1的信號段中，判斷是否有信號的幅值大于閾值D2(D2的取值為0.1)。如果該段 語音信號中有信號的幅值大于閾值D2,則這段語音信號的時域波形與幅值為D1的直線的兩 個交點(diǎn)，為連續(xù)詞組的起點(diǎn)與終點(diǎn)。
[0092] 對詞組的起始點(diǎn)檢測結(jié)果如圖5所示。圖5上半部分為原始語音信號的時域波形， 下半部分為準(zhǔn)包絡(luò)曲線，實(shí)線為連續(xù)詞組的起點(diǎn)，虛線為連續(xù)詞組的終點(diǎn)。
[0093] 3.確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)
[0094] 3.1由2.3節(jié)提出的腭裂語音連續(xù)詞組自動檢測結(jié)果中，其每個詞組可能包含一個 或多個普通話音節(jié)。有些詞組包含一個漢字，如"塔"、"拿"等;有些詞組包含兩個或三個漢 字，如"爸爸"、"爬樓梯"等。根據(jù)普通話音節(jié)的時長，對2.3節(jié)得到的連續(xù)詞組計算時長，即 計算連續(xù)詞組起點(diǎn)與終點(diǎn)的時間間隔，如不超過單音節(jié)時間閾值，如270ms，則認(rèn)為該連續(xù) 詞組為一個音節(jié)，則無需進(jìn)行進(jìn)一步處理，該詞組的起點(diǎn)及終點(diǎn)即為該音節(jié)的起點(diǎn)與終點(diǎn)； 否則對2.3節(jié)得到的連續(xù)詞組進(jìn)行后續(xù)的處理步驟。
[0095] 3.2去掉峰值小于第一閾值的波峰，本實(shí)施例中第一閾值取0.12,查找連續(xù)詞組的 剩余波峰。
[0096] 3.3確定兩個相鄰波峰之間的波谷，如果波谷的個數(shù)大于1，則取第一個波谷，作為 該詞組中音節(jié)的粗切分點(diǎn)。切分結(jié)果如圖6所示，上半部分為原始語音信號，下半部分為準(zhǔn) 包絡(luò)曲線，實(shí)線為音節(jié)粗切分點(diǎn)。
[0097] 4根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組中的各個音節(jié)進(jìn)行 精確切分。
[0098] 4.1將步驟1得到的原始語音信號中幅值小于第二閾值，如0.005,的信號幅值設(shè)為 0。處理結(jié)果如圖7。然后對連續(xù)詞組的起點(diǎn)、終點(diǎn)及內(nèi)部的音節(jié)粗切分點(diǎn)分別處理。
[0099] 4.2對連續(xù)詞組的起點(diǎn)進(jìn)行精確定位
[0100] 在連續(xù)詞組的起點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語音信號， 得到若干語音幀。本實(shí)施例中取幀的長度為130ms，幀移為幀長的一半，共取了10幀信號。以 連續(xù)詞組的起點(diǎn)為起始點(diǎn)分別向右、向左截取語音幀。
[0101] 計算各個語音幀的短時過零率，將其中第一個短時過零率不為0的語音幀的起點(diǎn) 作為一個音節(jié)的精確切分起點(diǎn)。
[0102] 4.3對連續(xù)詞組中的音節(jié)粗切分點(diǎn)進(jìn)行校正
[0103] 在連續(xù)詞組的音節(jié)粗切分點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的 語音信號，得到若干語音幀。加窗過程參見4.2節(jié)。
[0104] 計算各個語音幀的短時過零率，將左側(cè)語音幀中最后一個短時過零率不為0的語 音幀的起點(diǎn)作為前一個音節(jié)的精確切分終點(diǎn)；將右側(cè)語音幀中第一個短時過零率不為〇的 語音幀的起點(diǎn)作為后一個音節(jié)的精確切分起點(diǎn)。
[0105] 依次方法對連續(xù)詞組中的音節(jié)粗切分點(diǎn)一一處理。
[0106] 4.4對連續(xù)詞組的終點(diǎn)進(jìn)行精確定位
[0107]在連續(xù)詞組的終點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語音信號， 得到若干語音幀。加窗過程參見4.2節(jié)。
[0108] 計算各個語音幀的短時過零率，將其中最后一個短時過零率不為0的語音幀的起 點(diǎn)作為音節(jié)的精確切分終點(diǎn)。
[0109] 圖8為一段語音信號中，選取其中一個連續(xù)詞組，進(jìn)行音節(jié)精確切分的結(jié)果。上半 部分為一段語音信號的時域波形圖。下半部分為該語音信號中，選取其中的一個連續(xù)詞組， 該詞組的時域波形圖，其中實(shí)線為詞組的起始端點(diǎn)以及詞組間音節(jié)的粗切分點(diǎn)，虛線為音 節(jié)的精確切分點(diǎn)。
[0110] 圖9所示為對一段語音信號精確切分的結(jié)果，上半部分為原始語音信號的時域波 形，下半部分為準(zhǔn)包絡(luò)曲線，其中實(shí)線為音節(jié)的起始點(diǎn)，虛線為音節(jié)的結(jié)束點(diǎn)。對某些詞組， 上一個音節(jié)的結(jié)束點(diǎn)可能會和下一個音節(jié)的起始點(diǎn)重合。
[0111] 本發(fā)明還提供了一種與上述方法步驟一一對應(yīng)的功能模塊組成的軟系統(tǒng)。
[0112] 本發(fā)明并不局限于前述的【具體實(shí)施方式】。本發(fā)明擴(kuò)展到任何在本說明書中披露的 新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。
【主權(quán)項】
1. 一種包含聲母的音節(jié)切分方法，其特征在于，包括： 步驟1:獲取一段語音信號；該語音信號包括至少一個音節(jié)，且該語音信號包含的音節(jié) 都是帶有聲母的音節(jié)； 步驟2:識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)； 步驟3:確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)； 步驟4:根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及音節(jié)粗切分點(diǎn)對各個連續(xù)詞組中的各個音節(jié)進(jìn)行 精確切分。2. 根據(jù)權(quán)利要求1所述的一種包含聲母的音節(jié)切分方法，其特征在于， 所述步驟2進(jìn)一步包括： 步驟21:提取反映該語音信號幅值變化趨勢的準(zhǔn)包絡(luò)曲線； 步驟22:對準(zhǔn)包絡(luò)曲線進(jìn)行平滑及歸一化處理； 步驟23:對步驟22的結(jié)果進(jìn)行連續(xù)詞組的端點(diǎn)檢測，從而得到各連續(xù)詞組的起點(diǎn)及終 點(diǎn)。3. 根據(jù)權(quán)利要求2所述的一種包含聲母的音節(jié)切分方法，其特征在于，所述步驟23進(jìn)一 步包括： 步驟231:在步驟22的結(jié)果中取信號幅值大于閾值D1的信號段； 步驟232:在每一段信號幅值大于閾值D1的信號段中，判斷是否有信號的幅值大于閾值 D2;如果該段語音信號中有信號的幅值大于閾值D2,則這段語音信號的時域波形與幅值為 D1的直線的兩個交點(diǎn)，為連續(xù)詞組的起點(diǎn)與終點(diǎn)。4. 根據(jù)權(quán)利要求2所述的一種包含聲母的音節(jié)切分方法，其特征在于， 所述步驟3進(jìn)一步包括： 步驟31:對步驟23得到的連續(xù)詞組計算時長，如不超過單音節(jié)時間閾值，則認(rèn)為該連續(xù) 詞組為一個音節(jié);否則對步驟23得到的連續(xù)詞組進(jìn)行后續(xù)的處理步驟； 步驟32:去掉峰值小于第一閾值的波峰，查找連續(xù)詞組的剩余波峰； 步驟33:確定兩個相鄰波峰之間的波谷，確定并將第一個波谷作為音節(jié)的粗切分點(diǎn)。5. 根據(jù)權(quán)利要求2所述的一種包含聲母的音節(jié)切分方法，其特征在于，所述步驟4進(jìn)一 步包括： 步驟41:將步驟1得到的原始語音信號中幅值小于第二閾值的信號幅值設(shè)為0; 步驟42:在連續(xù)詞組的起點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語音信 號，得到若干語音幀； 步驟43:計算步驟42得到的各個語音幀的短時過零率，將其中第一個短時過零率不為0 的語音幀的起點(diǎn)作為一個音節(jié)的精確切分起點(diǎn)； 步驟44:在連續(xù)詞組的音節(jié)粗切分點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀 的語音信號，得到若干語音幀； 步驟45:計算步驟44得到的各個語音幀的短時過零率，將左側(cè)語音幀中最后一個短時 過零率不為0的語音幀的起點(diǎn)作為前一個音節(jié)的精確切分終點(diǎn)；將右側(cè)語音幀中第一個短 時過零率不為0的語音幀的起點(diǎn)作為后一個音節(jié)的精確切分起點(diǎn)； 步驟46:在連續(xù)詞組的終點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別截取若干個幀的語音信 號，得到若干語音幀； 步驟47:計算步驟46得到的各個語音幀的短時過零率，將其中最后一個短時過零率不 為〇的語音幀的起點(diǎn)作為音節(jié)的精確切分終點(diǎn)。6. -種包含聲母的音節(jié)切分裝置，其特征在于，包括： 原始語音信號獲取單元，用于讀取一段語音信號；該語音信號包括至少一個音節(jié)，且該 語音信號包含的音節(jié)都是帶有聲母的音節(jié)； 連續(xù)詞組識別單元，用于識別所述語音信號中的各個連續(xù)詞組的起點(diǎn)及終點(diǎn)； 音節(jié)粗切分單元，用于確定各個連續(xù)詞組中的各個音節(jié)間的粗切分點(diǎn)； 音節(jié)精確切分單元，根據(jù)連續(xù)詞組的起點(diǎn)、終點(diǎn)及粗切分點(diǎn)對各個連續(xù)詞組中的各個 音節(jié)進(jìn)行精確切分。7. 根據(jù)權(quán)利要求6所述的一種包含聲母的音節(jié)切分裝置，其特征在于， 所述連續(xù)詞組識別單元進(jìn)一步包括： 準(zhǔn)包絡(luò)線提取子單元，用于提取反映該語音信號幅值變化趨勢的準(zhǔn)包絡(luò)曲線； 預(yù)處理子單元，用于對準(zhǔn)包絡(luò)曲線進(jìn)行平滑及歸一化處理； 端點(diǎn)檢測子單元，用于對預(yù)處理子單元輸出的結(jié)果進(jìn)行連續(xù)詞組的端點(diǎn)檢測，從而得 到各連續(xù)詞組的起點(diǎn)及終點(diǎn)。8. 根據(jù)權(quán)利要求7所述的一種包含聲母的音節(jié)切分裝置，其特征在于，所述端點(diǎn)檢測子 單元進(jìn)一步用于： 在對預(yù)處理子單元輸出的結(jié)果中取信號幅值大于閾值D1的信號段； 以及在每一段信號幅值大于閾值D1的信號段中，判斷是否有信號的幅值大于閾值D2; 如果該段語音信號中有信號的幅值大于閾值D2,則這段語音信號的時域波形與幅值為D1的 直線的兩個交點(diǎn)，為連續(xù)詞組的起點(diǎn)與終點(diǎn)。9. 根據(jù)權(quán)利要求7所述的一種包含聲母的音節(jié)切分方法，其特征在于， 所述音節(jié)粗切分單元進(jìn)一步包括： 單音節(jié)判別子單元，用于對端點(diǎn)檢測子單元得到的連續(xù)詞組計算時長，如不超過單音 節(jié)時間閾值，則認(rèn)為該連續(xù)詞組為一個音節(jié)；否則對端點(diǎn)檢測子單元得到的連續(xù)詞組輸出 到后續(xù)的子單元； 波峰檢測子單元，用于去掉峰值小于第一閾值的波峰，查找連續(xù)詞組的剩余波峰； 波谷檢測子單元，用于確定兩個相鄰波峰之間的波谷，確定并將第一個波谷作為音節(jié) 的粗切分點(diǎn)。10. 根據(jù)權(quán)利要求7所述的一種包含聲母的音節(jié)切分裝置，其特征在于，所述音節(jié)精確 切分子單元進(jìn)一步包括： 幅值置零子單元，用于將原始語音信號獲取單元得到的原始語音信號中幅值小于第二 閾值的信號幅值設(shè)為〇; 連續(xù)詞組起點(diǎn)加窗子單元，用于在連續(xù)詞組的起點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別 截取若干個幀的語音信號，得到若干語音幀； 連續(xù)詞組首音節(jié)起點(diǎn)精確切分子單元，用于計算加窗子單元得到的各個語音幀的短時 過零率，將其中第一個短時過零率不為〇的語音幀的起點(diǎn)作為一個音節(jié)的精確切分起點(diǎn)； 粗切分點(diǎn)加窗子單元，用于在連續(xù)詞組的粗切分點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別 截取若干個幀的語音信號，得到若干語音幀； 連續(xù)詞組內(nèi)音節(jié)精確切分子單元，用于計算粗切分點(diǎn)加窗子單元得到的各個語音幀的 短時過零率，將左側(cè)語音幀中最后一個短時過零率不為0的語音幀的起點(diǎn)作為前一個音節(jié) 的精確切分終點(diǎn)；將右側(cè)語音幀中第一個短時過零率不為0的語音幀的起點(diǎn)作為后一個音 節(jié)的精確切分起點(diǎn)； 連續(xù)詞組終點(diǎn)加窗子單元，用于在連續(xù)詞組的終點(diǎn)左側(cè)及右側(cè)的原始語音信號中分別 截取若干個幀的語音信號，得到若干語音幀； 連續(xù)詞組末音節(jié)終點(diǎn)精確切分子單元，用于計算連續(xù)詞組終點(diǎn)加窗子單元得到的各個 語音幀的短時過零率，將其中最后一個短時過零率不為0的語音幀的起點(diǎn)作為音節(jié)的精確 切分終點(diǎn)。
【文檔編號】G10L15/05GK105976811SQ201610270526
【公開日】2016年9月28日
【申請日】2016年4月27日
【發(fā)明人】尹恒, 何凌, 柳銀, 李精韜
【申請人】四川大學(xué)