一种信号处理方法及装置与流程
本发明涉及信号处理领域，具体涉及一种信号处理方法及装置。
背景技术：
声调语言是语言中的一种，是指在单词层面用声调来区分意义的语言。汉语可以分为声母和韵母，韵母是声调信息的载体，汉语普通话包括五种声调，分别是阴平、阳平、上声、去声、轻声，即一声、二声、三声、四声、轻声。相同的声母和韵母组成的音节随着声调的变化有着完全不同的意义，因此，区分不同的声调非常重要。目前，可以通过麦克风采集语音信号，并对语音信号中的声调进行分类。然而，由于通过麦克风采集的语音信号容易受外界环境噪声的影响，以致通过麦克风采集的语音信号得到的声调不准确，以致无法准确地对声调进行分类。
技术实现要素：
本发明实施例提供一种信号处理方法及装置，可以提高声调分类的准确性。
本发明实施例第一方面提供一种信号处理方法，包括：
通过加速度传感器采集人发声部位皮肤表面的加速度信号；
从所述加速度信号中提取声调信号；
从所述声调信号中提取声调特征；
对所述声调特征进行分类。
在一个实施例中，所述从所述加速度信号中提取声调信号包括：
将所述加速度信号划分为长度相同的a段信号，所述a为大于1的整数；
计算目标段信号的均方根，所述目标段信号是所述a段信号中的任一段信号；
当所述均方根大于阈值时，将所述目标段信号确定为一段声调信号，获得b段声调信号，所述b为小于或等于所述a的整数。
在一个实施例中，所述从所述声调信号中提取声调特征包括：
将所述b段声调信号划分为长度相同的c段信号，所述c为大于所述b的整数；
计算所述c段信号中每段信号的特征值，获得c个特征值；
根据所述c个特征值确定d个声调特征，所述d等于所述c除以所述b。
在一个实施例中，所述采集人发声部位皮肤表面的加速度信号之后，所述方法还包括：
对所述加速度信号进行去噪声处理，获得去噪加速度信号；
所述从所述加速度信号中提取声调信号包括：
从所述去噪加速度信号中提取声调信号。
在一个实施例中，所述从所述声调信号中提取声调特征之后，所述方法还包括：
对所述声调特征进行排列，获得排列声调特征；
所述对所述声调特征进行分类包括：
对所述排列声调特征进行分类。
本发明实施例第二方面提供一种信号处理装置，包括：
加速度传感器，用于采集人发声部位皮肤表面的加速度信号；
第一提取单元，用于从所述加速度传感器采集的加速度信号中提取声调信号；
第二提取单元，用于从所述第一提取单元提取的声调信号中提取声调特征；
分类单元，用于对所述第二提取单元提取的声调特征进行分类。
在一个实施例中，所述第一提取单元包括：
第一划分子单元，用于将所述加速度传感器采集的加速度信号划分为长度相同的a段信号，所述a为大于1的整数；
第一计算子单元，用于计算目标段信号的均方根，所述目标段信号是所述第一划分子单元划分的a段信号中的任一段信号；
第一确定子单元，用于当所述第一计算子单元计算的均方根大于阈值时，将所述目标段信号确定为一段声调信号，获得b段声调信号，所述b为小于或等于所述a的整数。
在一个实施例中，所述第二提取单元包括：
第二划分子单元，用于将所述第一确定子单元获得的b段声调信号划分为长度相同的c段信号，所述c为大于所述b的整数；
第二计算子单元，用于计算所述第二划分子单元划分的c段信号中每段信号的特征值，获得c个特征值；
第二确定子单元，用于根据所述第二计算子单元计算的c个特征值确定d个声调特征，所述d等于所述c除以所述b。
在一个实施例中，所述装置还包括：
去噪单元，用于对所述加速度传感器采集的加速度信号进行去噪声处理，获得去噪加速度信号；
所述第一提取单元从所述加速度信号中提取声调信号包括：
从所述去噪单元获得的去噪加速度信号中提取声调信号。
在一个实施例中，所述装置还包括：
排列单元，用于对所述第二提取单元提取的声调特征进行排列，获得排列声调特征；
所述分类单元对所述声调特征进行分类包括：
对所述排列单元获得的排列声调特征进行分类。
本发明实施例第三方面提供一种信号处理装置，该信号处理装置包括处理器、存储器和加速度传感器，存储器用于存储程序代码，处理器用于执行程序代码，加速度传感器用于采集加速度信号。当处理器执行存储器存储的程序代码时，使得处理器执行第一方面或第一方面的任一种可能实现方式所公开的信号处理方法。
本发明实施例第四方面提供一种可读存储介质，该可读存储介质存储了信号处理装置用于执行第一方面或第一方面的任一种可能实现方式所公开的信号处理方法的程序代码。
本发明实施例中，通过加速度传感器采集人发声部位皮肤表面的加速度信号，从该加速度信号中提取声调信号，从该声调信号中提取声调特征，对该声调特征进行分类。由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种信号处理方法的流程示意图；
图2是本发明实施例提供的另一种信号处理方法的流程示意图；
图3是本发明实施例提供的一种信号处理装置的结构示意图；
图4是本发明实施例提供的另一种信号处理装置的结构示意图；
图5是本发明实施例提供的又一种信号处理装置的结构示意图；
图6是本发明实施例提供的一种加速度信号小波包分解的树状图；
图7是本发明实施例提供的一种swt的示意图；
图8是本发明实施例提供的一种线性svm分类示意图；
图9是本发明实施例提供的一种通过加速度传感器采集的人发声部位皮肤表面的加速度信号的示意图；
图10是本发明实施例提供的一种去噪加速度信号的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种信号处理方法及装置，可以提高声调分类的准确性。以下分别进行详细说明。
请参阅图1，图1是本发明实施例提供的一种信号处理方法的流程示意图。如图1所示，该信号处理方法可以包括以下步骤。
101、通过加速度传感器采集人发声部位皮肤表面的加速度信号。
本实施例中，当需要对声调信号进行处理时，先需要通过加速度传感器采集人发声部位皮肤表面的加速度信号。人发声部位皮肤表面可以是舌骨和甲状软骨之间的皮肤表面，也可以是胸骨上切痕的皮肤表面，还可以是胸锁乳突肌的皮肤表面，还可以是胸骨舌骨肌的皮肤表面，胸骨上切痕位于喉头的位置。其中，通过加速度传感器采集的舌骨和甲状软骨之间的皮肤表面的加速度信号最好。
102、从该加速度信号中提取声调信号。
本实施例中，通过加速度传感器采集到人发声部位皮肤表面的加速度信号之后，将从该加速度信号中提取声调信号，可以将加速度信号划分为长度相同的a段信号，计算目标段信号的均方根，当该均方根大于阈值时，将目标段信号确定为一段声调信号，获得b段声调信号。其中，a为大于1的整数，目标段信号是a段信号中的任一段信号，b为小于或等于a的整数。即可以从该加速度信号中通过固定窗口的均方根值提取声调信号，具体公式表示如下：
其中，grms为a段信号中每段信号的均方根，此处n为a段信号中每段信号的长度，此处m为加速度信号的采集周期，x[m]为采集的加速度信号，hrms为设定的阈值，
103、从该声调信号中提取声调特征。
本实施例中，从该加速度信号中提取到声调信号之后，将从该声调信号中提取声调特征，可以将b段声调信号划分为长度相同的c段信号，计算c段信号中每段信号的特征值获得c个特征值，根据c个特征值确定d个声调特征，可以通过小波包分解(waveletpackagetransform，wpt)、稳定小波转换(stationarywavelettransform，swt)、短时傅里叶变换(shorttimefouriertransform，stft)、s变换(s-transformation，st)以及时域和频域算法中的至少一个算法来实现。其中，c为大于b的整数，d等于c除以b。
本实施例中，请参阅图6，图6是本发明实施例提供的一种加速度信号小波包分解的树状图。如图6所示的为5层小波包分解。小波包分解是小波基通过递归的方法同时给出近似和细节空间，任何一个二叉树的结点(j，p)有一个对应的空间
其中，此处m为加速度信号的采集周期，t为采集时间点，h(m)为尺度函数，g(m)为小波函数，p为是分解级数，j为小波包序号，两个正交空间
时域信号x(t)满足的尺度条件表达式为：
其中，g(m)＝(-1)mh(1-m)，如图6所示，采用了五层小波包分解方法，将加速度信号分到32个正交频带上，获取的加速度信号的小波包矩阵为：
此时，小波包矩阵维度为(length/32)*32，length为c段信号中每段信号的长度，维度较大，有大量的系数，有时甚至会超过原始数据点，因此，对小波包矩阵进行降维运算，可以通过奇异值分解进行降维运算，以便简化小波包矩阵和提高分类速度。对小波包矩阵的奇异值分解可以表达如下：
其中，此处m＝length/32，k＝32，矩阵um*m和vk*k相互正交，wm*k为m*k的奇异值对角矩阵，
本实施例中，请参阅图7，图7是本发明实施例提供的一种swt的示意图。如图7所示，swt为4层变换。对于给定的加速度信号x(t)，通过与特定的正交小波滤波器h、f的卷积，其滤波器系数分别为lj和mj，若s为平稳小波变换的运算符，则可写为sj-1l、sj-1m，滤波器系数为：
其中，q为奇数层滤波器的参数，j为swt的层数，如图7所示，j＝4，再进行奇异值分解，可以得到声调特征。
本实施例中，stft通过固定的窗函数截取信号，可以得到信号随时间变化的频率情况，计算过程如下所示，假设一个加速度信号x(t)，通过窗w看到，其持续时间为t，集中在τ时间位置；加窗信号x(t)w(t-τ)的傅立叶变换即为短时傅里叶变换：
其中，t为加速度信号的采集周期，w由l(j)计算得出：
其中，此处n为加速度信号的时间序列，此处n为窗口的长度，即c段信号中每段信号的长度，w＝n+1，之后对stft的特征参数的矩阵进行奇异值分解，可以得到声调特征。
本实施例中，st的窗函数为高斯窗函数，窗长与频率呈反比，可以把s变换看成是连续小波域的相位矫正，连续小波域的w(τ,d)与加速度信号x(t)的映射可以表示为：
其中，w(τ,d)是基本母小波的尺度转换，d为c段信号中每段信号的长度，s变换的函数h(t)的定义如下：
s(τ,f)＝ei2πfτw(τ,d)
母小波为：
d为频率f的倒数，s变换表达为：
通过s变换得到特征矩阵，同样通过奇异值分解得到奇异值。
本实施例中，仅有时域分析会缺失对其频域信息的了解，仅有频域信息也会忽略其时域特征，因此，可以采用时域和频域特征综合处理，此处选取了17个特征参数对加速度信号进行声调特征提取，包括9个时域参数和2个频域参数，七阶自回归模型包括7个特征参数，具体公式如表1所示。
表1时频域方法及计算公式
上述17个特征参数中包含时间特性特征的计算方法，可以提取出17个声调特征。
104、对该声调特征进行分类。
本实施例中，从该声调信号中提取出声调特征之后，将对该声调特征进行分类，可以通过支持向量机(supportvectormachine，svm)算法对声调特征进行分类。svm的模型可表示为：
f(x)＝wtω(x)+b
其中，ω(x)表示步骤103得到的声调特征，b为偏置参数，wt为线性模型系数，假设训练数据集为{x1,……,xn}，对应的结果为{t1,……,tn}∈{-1,1}，假设训练样本集(x，f(x))满足线性可分条件，可以根据线性可分函数的定义，找到至少一个wt与b的组合，使得f(x)-1≥0。请参阅图8，图8是本发明实施例提供的一种线性svm分类示意图。如图8所示，svm线性二分类找到使得两个数据集的边缘最小的边界，这个边界被定义为决策边界，决策边界的位置由两边的边缘数据点所确定，两边数据点即为支持向量。划分数据的边界可以为一个，也可以为多个，为找到最优的wt与b组合，必须找到边缘最大化的决策边界，即最优超平面，对于f(x)中的某个数据点xn距离最优超平面的距离为：
其中，||w||为边缘，tn为第n个训练集的标签，所有的数据点均满足f(xn)≥1，对最优解进行简化：
将其简化为
引入拉格朗日乘数an≥0：
对w求偏导得到：
最大边缘的对偶表示为：
其中，an≥0，n∈n+，n+为正整数集，再根据核函数k(x,x’)＝ω(xn)tω(xn')，可得
其中，an≥0，tnf(xn)-1≥0，an{tnf(xn)-1}＝0，偏置参数b可以表示为：
其中，s表示支持向量的下标集合。
在图1所描述的信号处理方法中，通过加速度传感器采集人发声部位皮肤表面的加速度信号，从该加速度信号中提取声调信号，从该声调信号中提取声调特征，对该声调特征进行分类。由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
请参阅图2，图2是本发明实施例提供的另一种信号处理方法的流程示意图。如图2所示，该信号处理方法可以包括以下步骤。
201、通过加速度传感器采集人发声部位皮肤表面的加速度信号。
本实施例中，当需要对声调信号进行处理时，先需要通过加速度传感器采集人发声部位皮肤表面的加速度信号。人发声部位皮肤表面可以是舌骨和甲状软骨之间的皮肤表面，也可以是胸骨上切痕的皮肤表面，还可以是胸锁乳突肌的皮肤表面，还可以是胸骨舌骨肌的皮肤表面，胸骨上切痕位于喉头的位置。其中，通过加速度传感器采集的舌骨和甲状软骨之间的皮肤表面的加速度信号最好。请参阅图9，图9是本发明实施例提供的一种通过加速度传感器采集的人发声部位皮肤表面的加速度信号的示意图。
202、对该加速度信号进行去噪声处理，获得去噪加速度信号。
本实施例中，由于通过加速度传感器采集的人发声部位皮肤表面的加速度信号中可能存在噪声，因此，先要对该加速度信号进行去噪声处理，获得去噪加速度信号。在通过加速度传感器采集人发声部位皮肤表面的加速度信号时，干扰主要包括两个方面，一方面是人在发声时的低频运动干扰，另一方面是加速度信号的基线漂移。该加速度信号可以先使用四阶巴特沃斯带通滤波器过滤掉低频运动干扰，之后可以采用减去信号的均值的方法去除基线漂移。请参阅图10，图10是本发明实施例提供的一种去噪加速度信号的示意图。图10所示的去噪加速度信号是由图9所示的加速度信号经过去噪声处理之后得到的信号。
203、从该去噪加速度信号中提取声调信号。
本实施例中，对该加速度信号进行去噪声处理获得去噪加速度信号之后，将从该去噪加速度信号中提取声调信号。其中，从该去噪加速度信号中提取声调信号的方式与步骤102中从该加速度信号中提取声调信号的方式相似，详细描述请参考步骤102，在此不再赘述。
204、从该声调信号中提取声调特征。
其中，步骤204与步骤103相同，详细描述请参考步骤103，在此不再赘述。
205、对该声调特征进行排列，获得排列声调特征。
本实施例中，从该声调信号中提取出声调特征之后，将对该声调特征进行排列获得排列声调特征。由于提取的声调特征中可能包括一些低频运动信息、周围环境的震动等噪声，而这些噪声的引入可能会引起声调特征分类的准确性降低，对于同一种声调特征提取方法而言有时声调特征越多，声调特征提取和分类所花费的时间越长。此处对该声调特征进行排列获得排列声调特征，只是针对同一提取方法提取的声调特征进行排列。对该声调特征进行排列，可以通过一种基于特征空间距离的特征评估算法完成，先计算每种特征参数在同一变换域方法的平均距离，平均距离的计算公式为：
其中，此处n表示的是同一发音下的样本总量，pi,j(m)表示的是第j声声调时，第m个样本提取出的第i中特征参数数值，每一种类型的特征参数在特征集下的平均距离可表达为：
其中，此处m为声调的种类数，其在该种发音模式下的平均值pai,j:
对于每种类型的声调特征，在不同发音模式下的平均距离可定义为：
该类型的声调特征在特征集下的相对距离：
之后根据f值的大小，对其在特征集下的相对距离进行自动排序，排序原则是按照从大到小的顺序。
206、对该排列声调特征进行分类。
本实施例中，从对该声调特征进行排列获得排列声调特征之后，将对该声调特征进行分类。其中，对该声调特征进行分类的方式与步骤104中对该声调特征进行分类的方式相似，详细描述请参考步骤104，在此不再赘述。
在图2所描述的信号处理方法中，由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
请参阅图3，图3是本发明实施例提供的一种信号处理装置的结构示意图。如图3所示，该装置可以包括：
加速度传感器301，用于采集人发声部位皮肤表面的加速度信号；
第一提取单元302，用于从加速度传感器301采集的加速度信号中提取声调信号；
第二提取单元303，用于从第一提取单元302提取的声调信号中提取声调特征；
分类单元304，用于对第二提取单元303提取的声调特征进行分类。
在图3所描述的信号处理装置中，由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
请参阅图4，图4是本发明实施例提供的另一种信号处理装置的结构式意图。其中，图4所示的信号处理装置是由图3所示的信号处理装置进行优化得到的。其中：
第一提取单元302可以包括：
第一划分子单元3021，用于将加速度传感器301采集的加速度信号划分为长度相同的a段信号，a为大于1的整数；
第一计算子单元3022，用于计算目标段信号的均方根，目标段信号是第一划分子单元301划分的a段信号中的任一段信号；
第一确定子单元3023，用于当第一计算子单元3022计算的均方根大于阈值时，将目标段信号确定为一段声调信号，获得b段声调信号，b为小于或等于a的整数。
作为一种可能的实施方式，第二提取单元303可以包括：
第二划分子单元3031，用于将第一确定子单元3023获得的b段声调信号划分为长度相同的c段信号，c为大于所述b的整数；
第二计算子单元3032，用于计算第二划分子单元3031划分的c段信号中每段信号的特征值，获得c个特征值；
第二确定子单元3033，用于根据第二计算子单元3032计算的c个特征值确定d个声调特征，d等于c除以b。
作为一种可能的实施方式，该装置还可以包括：
去噪单元305，用于对加速度传感器301采集的加速度信号进行去噪声处理，获得去噪加速度信号；
第一提取单元302从该加速度信号中提取声调信号包括：
从去噪单元305获得的去噪加速度信号中提取声调信号。
其中，第一划分子单元3021将去噪单元305获得的去噪加速度信号划分为a段信号。
作为一种可能的实施方式，该装置还可以包括：
排列单元306，用于对第二提取单元303提取的声调特征进行排列，获得排列声调特征；
分类单元304对该声调特征进行分类包括：
对排列单元306获得的排列声调特征进行分类。
其中，排列单元306，用于对第二确定子单元3033确定的d个声调特征进行排列，以获得排列声调特征。
在图4所描述的信号处理装置中，由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
请参阅图5，图5是本发明实施例提供的又一种信号处理装置的结构示意图。如图5所示，该信号处理装置可以包括：至少一个处理器501，如cpu，存储器502，加速度传感器503以及至少一个总线504。存储器502可以是高速ram存储器，也可以是非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。可选地，存储器502还可以是至少一个位于远离前述处理器501的存储装置。其中：
总线504，用于实现这些组件之间的连接通信；
加速度传感器503，用于采集人发声部位皮肤表面的加速度信号，并发送给处理器501；
存储器502中存储有一组程序代码，处理器501用于调用存储器502中存储的程序代码执行以下操作：
从该加速度信号中提取声调信号；
从该声调信号中提取声调特征；
对该声调特征进行分类。
作为一种可能的实施方式，处理器501从该加速度信号中提取声调信号包括：
将该加速度信号划分为长度相同的a段信号，a为大于1的整数；
计算目标段信号的均方根，目标段信号是a段信号中的任一段信号；
当该均方根大于阈值时，将目标段信号确定为一段声调信号，获得b段声调信号，b为小于或等于a的整数。
作为一种可能的实施方式，处理器501从该声调信号中提取声调特征包括：
将b段声调信号划分为长度相同的c段信号，c为大于b的整数；
计算c段信号中每段信号的特征值，获得c个特征值；
根据c个特征值确定d个声调特征，d等于c除以b。
作为一种可能的实施方式，加速度传感器503采集人发声部位皮肤表面的加速度信号之后，处理器501还用于调研存储器502中存储的程序代码执行以下操作：
对该加速度信号进行去噪声处理，获得去噪加速度信号；
处理器501从该加速度信号中提取声调信号包括：
从该去噪加速度信号中提取声调信号。
作为一种可能的实施方式，处理器501从该声调信号中提取声调特征之后，处理器501还用于调研存储器502中存储的程序代码执行以下操作：
对该声调特征进行排列，获得排列声调特征；
处理器501对该声调特征进行分类包括：
对该排列声调特征进行分类。
其中，步骤101和步骤201可以由信号处理装置中的加速度传感器503来执行，步骤102-步骤104以及步骤202-步骤206可以由信号处理装置中的处理器501和存储器502来执行。
其中，加速度传感器301可以由信号处理装置中的加速度传感器503来实现，第一提取单元302、第二提取单元303、分类单元304、去噪单元305和排列单元306可以由信号处理装置中的处理器501和存储器502来实现。
在图5所描述的信号处理装置中，由于通过加速度传感器直接采集人发声部位皮肤表面的加速度信号，因此，可以减少外界环境噪声对采集的信号的影响，从而可以提高获取的声调的准确性，以便提高声调分类的准确性。
本发明实施例还公开了一种可读存储介质，该可读存储介质存储了信号处理装置用于执行图1-图2所示的信号处理方法的程序代码。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明实施例提供的信号处理方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
- 还没有人留言评论。精彩留言会获得点赞！