灰關(guān)聯(lián)分析與語(yǔ)音/音樂(lè)信號(hào)識(shí)別

   關(guān)鍵詞：灰關(guān)聯(lián)分析 特征 語(yǔ)音和音樂(lè)識(shí)別 仿真

語(yǔ)音和音樂(lè)是兩類最重要的音頻數(shù)據(jù)，語(yǔ)音和音樂(lè)的自動(dòng)分類在基于內(nèi)容的音頻檢索、視頻的摘要以及語(yǔ)音識(shí)別等眾多領(lǐng)域都有重要的應(yīng)用價(jià)值。

目前，國(guó)內(nèi)外語(yǔ)音信號(hào)識(shí)別多采用基于感覺(jué)特征（例如響度、音調(diào)、諧度等）和過(guò)零率、功率譜、MFCC系數(shù)等多種語(yǔ)音/音樂(lè)分類特征的模式識(shí)別技術(shù)實(shí)現(xiàn)信號(hào)的自動(dòng)識(shí)別。然而當(dāng)識(shí)別對(duì)象的參數(shù)不完整、不齊全時(shí)，這些方法有的不能給出正確可靠的結(jié)果，有的無(wú)法進(jìn)行識(shí)別，有的識(shí)別的可靠性較差。由于語(yǔ)音信號(hào)環(huán)境的復(fù)雜和多變性，語(yǔ)音和音樂(lè)信號(hào)參數(shù)有時(shí)很難完全得到，上述方法在實(shí)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(jìn)行了音頻信號(hào)的自動(dòng)分類識(shí)別，尤其是語(yǔ)音和音樂(lè)的分類，并作為提取音頻內(nèi)容語(yǔ)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(wèn)題提供了問(wèn)題。

圖1

1 語(yǔ)音/音樂(lè)信號(hào)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?；疑到y(tǒng)理主要研究系統(tǒng)模型不明確、行為信息不完全、運(yùn)行機(jī)制不清楚這類系統(tǒng)的建模、預(yù)測(cè)、決策和控制等問(wèn)題。在進(jìn)行序列關(guān)聯(lián)分析時(shí)，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(jìn)而進(jìn)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(wú)停頓的語(yǔ)音信號(hào)和音樂(lè)信號(hào)作為待識(shí)別音頻信號(hào)，音頻信號(hào)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(shí)域上的音頻信號(hào)。考慮到只有在5～20ms的時(shí)間間隔內(nèi)才可以認(rèn)為音頻信號(hào)的特征基本保持不變。因此本文選取短時(shí)能量均方根的概率統(tǒng)計(jì)方法提取語(yǔ)音和音樂(lè)信號(hào)的特征。

圖1（a）和圖2（a）分別為語(yǔ)音和音樂(lè)信號(hào)短時(shí)能量的均方根（RMS）的時(shí)域波形。其采樣頻率均為11025Hz，矩形窗長(zhǎng)度N取10ms，時(shí)間長(zhǎng)度為30s。

式（1）中，x(n)是音頻信號(hào)，矩形窗序列沿音頻樣點(diǎn)序列逐幀移動(dòng)，每段幀長(zhǎng)度為N。

30s的RMS的概率分布即信號(hào)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(shí)別語(yǔ)音和音樂(lè)信號(hào)的特片依據(jù)。進(jìn)一步研究發(fā)現(xiàn)其概率分布服從不同參數(shù)時(shí)的廣義X2分布。

選取上述30s的語(yǔ)音和音樂(lè)信號(hào)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(yǔ)音參序列,x2為音樂(lè)參考序列，記作yi={yi(k)|k=1,2,…,k}，其中y1為語(yǔ)音比較數(shù)列，y2為音樂(lè)比較序列。K為特征數(shù)量，本文取K=10。為檢驗(yàn)不同長(zhǎng)度比較序列的灰關(guān)聯(lián)度，特征提取的比較序列時(shí)間長(zhǎng)度分別取0.1s、1s、10s。圖3為與30s的語(yǔ)音和音樂(lè)參考信號(hào)RMS概率分布比較圖。由圖3可知，比較序列的時(shí)間長(zhǎng)度越長(zhǎng)，概率分布與參考序列的相似程度就越大，當(dāng)比較序列時(shí)長(zhǎng)為10s時(shí)，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(jìn)行灰關(guān)聯(lián)分析時(shí)，需要對(duì)序列進(jìn)行初值化生成處理，即對(duì)一個(gè)數(shù)列的所有數(shù)據(jù)均用其第一個(gè)數(shù)去除。這個(gè)新序列表明原始數(shù)列中不同時(shí)刻的值相對(duì)于第一個(gè)時(shí)刻值的倍數(shù)。

圖2

3 計(jì)算灰關(guān)聯(lián)系數(shù)

在語(yǔ)音/音樂(lè)識(shí)別中，由于目標(biāo)的類型為兩個(gè)，有兩個(gè)參考序列，為區(qū)分不同的類型就需要求一組比較序列與組參考序列的灰關(guān)聯(lián)度。如果在局部環(huán)境下計(jì)算每一組比較序列分別與二組參考序列的灰度聯(lián)系數(shù)，則在不同局部條件下所得到的灰關(guān)聯(lián)度將失去可比性。因此，為實(shí)現(xiàn)音頻類型的識(shí)別，在計(jì)算某一個(gè)比較序列與各個(gè)參考序列的灰關(guān)聯(lián)度時(shí)，必須是在相同最大值和最小值下計(jì)算，從而得到“全局環(huán)境”的灰關(guān)聯(lián)度系數(shù)。

計(jì)算全局環(huán)境下的灰關(guān)聯(lián)系數(shù)的算法如下：

其中，Nj={1,2},Ni={1,2},K={1,2,…,10}，常數(shù)ξ稱為分辨系數(shù)，ξ∈[0,1]，其作用是調(diào)整比較環(huán)境的大小。ξ越小，分辨力越大。一段取ξ=0.5。minminmin|xj(k)-yi(k)|稱為兩極最小差，maxmaxmax|xj(k)-yi(k)|稱為兩極最大差，|xj(k)-yi(k)|稱為第k個(gè)指標(biāo)xj與yi的絕對(duì)差。

4 計(jì)算灰關(guān)聯(lián)度

灰關(guān)聯(lián)分析的實(shí)質(zhì)，就是對(duì)數(shù)列曲線進(jìn)行幾何關(guān)系的比較。若兩數(shù)列曲線重合，則關(guān)聯(lián)性好，關(guān)聯(lián)系數(shù)為1，兩數(shù)列關(guān)聯(lián)度也行裝于1。同時(shí)兩數(shù)列曲線不可能垂直，即無(wú)關(guān)聯(lián)性，所以關(guān)聯(lián)系數(shù)大于1，故關(guān)聯(lián)度也大于0。由于在比較全過(guò)程中，關(guān)聯(lián)系數(shù)不止一個(gè)，因此，取關(guān)聯(lián)系數(shù)的平均值作為比較全過(guò)程的關(guān)聯(lián)程度rji的度量，即：

5 按灰關(guān)聯(lián)度大小排序

對(duì)參考序列xj和比較序列yi的關(guān)聯(lián)度從大到小進(jìn)行排序，即得灰度聯(lián)序列。本文采用最大灰關(guān)聯(lián)度的識(shí)別原則。

圖3

    通過(guò)500次蒙特卡羅實(shí)驗(yàn)，表1給出時(shí)間長(zhǎng)度0.1s、1s、10s比較序列，采用最大灰度關(guān)聯(lián)度的識(shí)別結(jié)果。

表1 不同時(shí)間長(zhǎng)度語(yǔ)音、音樂(lè)信號(hào)的正確識(shí)別率

圖4為進(jìn)行100次蒙特卡羅仿真，三種時(shí)間長(zhǎng)度的語(yǔ)音和音樂(lè)比較信號(hào)與各比較序列的最大灰關(guān)聯(lián)度。

從圖4中可以看出：

（1）在時(shí)間長(zhǎng)度為0.1s時(shí)，語(yǔ)音、音樂(lè)信號(hào)與其兩類模本的關(guān)聯(lián)度值相交。這是由于所表征序列的特征值并不完全的原因。

（2）時(shí)間長(zhǎng)度為1s時(shí)，語(yǔ)音比較信號(hào)與其參考信號(hào)的關(guān)聯(lián)度均大于0.85，音樂(lè)比較信號(hào)與語(yǔ)音參考信號(hào)的關(guān)聯(lián)度大于0.6小于0.95；而音樂(lè)比較信號(hào)與其參考信號(hào)的關(guān)聯(lián)度均大于0.73小于0.9；語(yǔ)音比較信號(hào)與音樂(lè)參考信號(hào)的關(guān)聯(lián)度大于0.7小于0.85。同為語(yǔ)音模本的條件下，97%以上的語(yǔ)音信號(hào)關(guān)聯(lián)值大于音樂(lè)信號(hào)的關(guān)聯(lián)值。而模本為音樂(lè)的條件下，92%以上的音樂(lè)信號(hào)關(guān)聯(lián)值大于語(yǔ)音信號(hào)的關(guān)聯(lián)值。因此，在不同參考信號(hào)下，通過(guò)設(shè)置閾值可以作為識(shí)別語(yǔ)音和音樂(lè)信號(hào)的依據(jù)。

圖4

    （3）時(shí)間長(zhǎng)度為10s時(shí)，語(yǔ)音比較信號(hào)與同類模本的關(guān)聯(lián)值高于與音樂(lè)比較信號(hào)的關(guān)聯(lián)值20%～35%，高于語(yǔ)音參考信號(hào)與音樂(lè)模本的關(guān)聯(lián)值25%～30%；而音樂(lè)比較信號(hào)與同類模本的關(guān)聯(lián)值以90%的準(zhǔn)確率大于語(yǔ)音比較信號(hào)的關(guān)聯(lián)值，并且高于音樂(lè)比較信號(hào)與音樂(lè)的關(guān)取值，并且高于音樂(lè)比較信號(hào)與語(yǔ)音模本的關(guān)聯(lián)值5%～20%。所以，當(dāng)信號(hào)特征提取充分時(shí)，識(shí)別率可達(dá)100%。

事實(shí)上，音頻信號(hào)的灰關(guān)聯(lián)可以認(rèn)為是近似相關(guān)，參考序列與比較序列的特片值相關(guān)程度越高，其關(guān)聯(lián)值就越大，反之則較小。