灰關(guān)聯(lián)分析與語音/音樂信號識別
關(guān)鍵詞：灰關(guān)聯(lián)分析 特征 語音和音樂識別 仿真
語音和音樂是兩類最重要的音頻數(shù)據(jù),語音和音樂的自動分類在基于內(nèi)容的音頻檢索、視頻的摘要以及語音識別等眾多領(lǐng)域都有重要的應(yīng)用價值。
目前,國內(nèi)外語音信號識別多采用基于感覺特征（例如響度、音調(diào)、諧度等）和過零率、功率譜、MFCC系數(shù)等多種語音/音樂分類特征的模式識別技術(shù)實現(xiàn)信號的自動識別。然而當(dāng)識別對象的參數(shù)不完整、不齊全時,這些方法有的不能給出正確可靠的結(jié)果,有的無法進行識別,有的識別的可靠性較差。由于語音信號環(huán)境的復(fù)雜和多變性,語音和音樂信號參數(shù)有時很難完全得到,上述方法在實際應(yīng)用中存在一定的局限性。
因此,如何有效利用現(xiàn)有的少量音頻數(shù)據(jù),準(zhǔn)確地進行了音頻信號的自動分類識別,尤其是語音和音樂的分類,并作為提取音頻內(nèi)容語義和結(jié)構(gòu)的重要手段之一,其研究日益引起人們的重視�；疑到y(tǒng)理論特別是灰關(guān)聯(lián)分析方法的發(fā)展,為解決這一問題提供了問題。
圖1
1 語音/音樂信號的灰關(guān)聯(lián)分析方法
灰色系統(tǒng)理論屬系統(tǒng)論的范疇,灰色是指信息不完全。灰色系統(tǒng)理主要研究系統(tǒng)模型不明確、行為信息不完全、運行機制不清楚這類系統(tǒng)的建模、預(yù)測、決策和控制等問題。在進行序列關(guān)聯(lián)分析時,必須先確定參考數(shù)列,然后比其它序列與參考序列的接近程度,進而進出判斷�；谊P(guān)聯(lián)分析的主要步驟：（1）確定參考序列和比較序列;（2）求灰關(guān)聯(lián)系數(shù);（3）求灰度聯(lián)度;（4）按灰關(guān)聯(lián)度大小排序。
2 參考序列和比較序列的確定
選取一定無停頓的語音信號和音樂信號作為待識別音頻信號,音頻信號的特征提取本質(zhì)上起到了降維作用,用較少的維度表現(xiàn)了時域上的音頻信號�？紤]到只有在5～20ms的時間間隔內(nèi)才可以認(rèn)為音頻信號的特征基本保持不變。因此本文選取短時能量均方根的概率統(tǒng)計方法提取語音和音樂信號的特征。
圖1（a）和圖2（a）分別為語音和音樂信號短時能量的均方根（RMS）的時域波形。其采樣頻率均為11025Hz,矩形窗長度N取10ms,時間長度為30s。
式（1）中,x(n)是音頻信號,矩形窗序列沿音頻樣點序列逐幀移動,每段幀長度為N。
30s的RMS的概率分布即信號分布頻數(shù)直方圖如圖1（b）、圖2（b）所示。由圖可知兩分布有效明顯的差異,可以作為識別語音和音樂信號的特片依據(jù)。進一步研究發(fā)現(xiàn)其概率分布服從不同參數(shù)時的廣義X2分布。
選取上述30s的語音和音樂信號RMS概率分布作為參考序列,記為xj={xj(k) k=1,2,…,K},其中x1為語音參序列,x2為音樂參考序列,記作yi={yi(k) k=1,2,…,k},其中y1為語音比較數(shù)列,y2為音樂比較序列。K為特征數(shù)量,本文取K=10。為檢驗不同長度比較序列的灰關(guān)聯(lián)度,特征提取的比較序列時間長度分別取0.1s、1s、10s。圖3為與30s的語音和音樂參考信號RMS概率分布比較圖。由圖3可知,比較序列的時間長度越長,概率分布與參考序列的相似程度就越大,當(dāng)比較序列時長為10s時,概率分布幾乎與參考序列吻合。
為保證音頻序列的可比性,在進行灰關(guān)聯(lián)分析時,需要對序列進行初值化生成處理,即對一個數(shù)列的所有數(shù)據(jù)均用其第一個數(shù)去除。這個新序列表明原始數(shù)列中不同時刻的值相對于第一個時刻值的倍數(shù)。
圖2
3 計算灰關(guān)聯(lián)系數(shù)
