基于運(yùn)動疲勞下語音參數(shù)變化的研究

付建梅，任國鳳，張雪英

基于運(yùn)動疲勞下語音參數(shù)變化的研究

付建梅1，任國鳳1，張雪英2

（1. 忻州師范學(xué)院 電子系，山西 忻州 034000；2. 太原理工大學(xué) 信息與計(jì)算機(jī)學(xué)院，山西 太原 030024）

運(yùn)動疲勞的檢測在運(yùn)動科學(xué)界有著非常重要的意義，若沒有科學(xué)的運(yùn)動體系作為指導(dǎo)，運(yùn)動過量對運(yùn)動員的身體會造成嚴(yán)重傷害．基于語音的運(yùn)動疲勞程度檢測，研究了基于短時(shí)平均能量、短時(shí)平均幅度函數(shù)、短時(shí)過零率、短時(shí)自相關(guān)函數(shù)和梅爾倒譜系數(shù)５個(gè)語音特征參數(shù)在運(yùn)動疲勞下變化的規(guī)律．實(shí)驗(yàn)結(jié)果顯示，隨著運(yùn)動疲勞程度的加深，時(shí)域和頻域語音參數(shù)的幅值均呈現(xiàn)不同程度的上升，其中語音信號中短時(shí)平均幅度升高得最明顯，短時(shí)過零率最緩慢．2種不同程度運(yùn)動之間，短時(shí)過零率的增長率最快，短時(shí)平均能量的增長率最緩慢．

語音參數(shù)；運(yùn)動疲勞；特征選擇；梅爾倒譜系數(shù)

運(yùn)動性疲勞是大家在日常運(yùn)動訓(xùn)練時(shí)都會產(chǎn)生的一種正常機(jī)體反應(yīng)，若沒有達(dá)到一定疲勞程度運(yùn)動訓(xùn)練效果不佳[1-2]，而運(yùn)動過量，對身體有損害．長久以來，運(yùn)動訓(xùn)練學(xué)界中人體運(yùn)動疲勞產(chǎn)生的機(jī)制及其檢測和恢復(fù)辦法，是該領(lǐng)域所關(guān)心和研究的重點(diǎn)以及難點(diǎn)[3-4]．因此，本文對不同運(yùn)動程度下的語音信號的參數(shù)變化進(jìn)行分析研究．

1 運(yùn)動疲勞語音信號的采集

本設(shè)計(jì)的受試者為8名在校大學(xué)生．其中4名男生，年齡均值+標(biāo)準(zhǔn)差：22+0.72歲；4名女生，年齡均值+標(biāo)準(zhǔn)差：21+1.24歲，被測試者身體狀況良好．

設(shè)計(jì)的運(yùn)動采用跑步的方式，分別對受試者運(yùn)動前、運(yùn)動10 min后和運(yùn)動30 min后的疲勞程度下進(jìn)行錄音，錄音時(shí)間為3~5 s，錄制的語音信息統(tǒng)一為“健康，平安，幸?！保驹O(shè)計(jì)在Matlab軟件平臺下進(jìn)行數(shù)據(jù)分析處理，提前在格式轉(zhuǎn)換軟件下將語音信號轉(zhuǎn)換為WAV格式[5]．

2 語音特征參數(shù)的提取與分析

語音信號采集經(jīng)過加窗分幀的預(yù)處理后，提取其特征參數(shù)[6-7]．實(shí)驗(yàn)選取的時(shí)域參數(shù)包括短時(shí)平均能量、短時(shí)平均幅度函數(shù)、短時(shí)自相關(guān)函數(shù)和短時(shí)平均過零率．頻域參數(shù)選擇了梅爾倒譜參數(shù)．

語音信號特征提取的過程見圖1．

圖1 語音信號的特征提取

2.1 運(yùn)動疲勞語音信號短時(shí)平均能量的提取與分析

語音信號的短時(shí)平均能量反映了語音信號的強(qiáng)度，其實(shí)現(xiàn)框圖見圖2．

圖2 短時(shí)平均能量實(shí)現(xiàn)框圖

3種疲勞狀態(tài)下全部8個(gè)樣本短時(shí)平均能量的平均數(shù)據(jù)見表1．從表1可以看出，隨著運(yùn)動時(shí)長的增長，語音信號的短時(shí)平均能量也隨之增加．相較于運(yùn)動前，運(yùn)動10 min后增長了51.6%，運(yùn)動30 min后增長了60.5%．

圖3 樣本1的3種運(yùn)動疲勞下的短時(shí)平均能量

注：average是每個(gè)運(yùn)動疲勞狀態(tài)的短時(shí)平均能量的平均值

表1 8個(gè)樣本3種運(yùn)動疲勞狀態(tài)下短時(shí)平均能量的平均值

2.2 運(yùn)動疲勞語音信號短時(shí)平均幅度的提取與分析

短時(shí)平均幅度的實(shí)現(xiàn)框圖見圖4．

3種疲勞狀態(tài)下8個(gè)樣本短時(shí)平均幅度的平均數(shù)據(jù)見表2．從表2可以看出，隨著運(yùn)動時(shí)長的增長，語音信號的短時(shí)平均幅度也隨之增加．相較于運(yùn)動前，運(yùn)動10 min后增長了103%，運(yùn)動30 min后增長了202%．

圖4 短時(shí)平均幅度的實(shí)現(xiàn)框圖

表2 8個(gè)樣本3種運(yùn)動疲勞狀態(tài)下短時(shí)平均幅度的平均值

2.3 運(yùn)動疲勞語音信號短時(shí)平均過零率的提取與分析

分別提取運(yùn)動前、運(yùn)動10 min后及運(yùn)動30 min后3種運(yùn)動疲勞下樣本的短時(shí)過零率（見圖5）．圖5中的average是每個(gè)運(yùn)動疲勞狀態(tài)的短時(shí)過零率的平均值．

3種疲勞狀態(tài)下8個(gè)樣本短時(shí)平均過零率的平均數(shù)據(jù)見表3．從表3中可以看出，隨著運(yùn)動時(shí)長的增長，語音信號的短時(shí)過零率也隨之增加．相較于運(yùn)動前，運(yùn)動10 min后增長了14%，運(yùn)動30 min后增長了30.9%．

圖5 樣本1的3種運(yùn)動疲勞狀態(tài)下的短時(shí)過零率

表3 8個(gè)樣本3種運(yùn)動疲勞狀態(tài)下短時(shí)平均過零率的平均值

2.4 運(yùn)動疲勞語音信號短時(shí)自相關(guān)函數(shù)的提取與分析

分別提取運(yùn)動前、運(yùn)動10 min后及運(yùn)動30 min后3種運(yùn)動疲勞下樣本的短時(shí)自相關(guān)函數(shù)，其自相關(guān)函數(shù)的數(shù)值見圖6（average是每個(gè)運(yùn)動疲勞狀態(tài)的短時(shí)自相關(guān)的平均值）．

3種疲勞狀態(tài)下8個(gè)樣本短時(shí)自相關(guān)的平均數(shù)據(jù)見表4．從表4中看出，隨著運(yùn)動時(shí)長的增長，語音信號的短時(shí)自相關(guān)函數(shù)也隨之增加．相較于運(yùn)動前，運(yùn)動10 min后增長了34%，運(yùn)動30 min后增長了77%．

圖6 樣本1的3種運(yùn)動疲勞狀態(tài)下的短時(shí)自相關(guān)函數(shù)

表4 8個(gè)樣本3種運(yùn)動疲勞狀態(tài)下短時(shí)自相關(guān)函數(shù)的平均值

2.5 運(yùn)動疲勞語音信號MFCC的提取與分析

分別提取運(yùn)動前、運(yùn)動10 min后及運(yùn)動30 min后3種運(yùn)動疲勞下樣本的MFCC見圖7（average是每個(gè)運(yùn)動疲勞狀態(tài)的MFCC平均值）．

3種疲勞狀態(tài)下全部8個(gè)樣本MFCC的平均數(shù)據(jù)見表5．從表5中可以看出，隨著運(yùn)動時(shí)間的增加，語音信號的MFCC值也在增加．與運(yùn)動前相比，運(yùn)動10 min后MFCC值增加了24.3％，運(yùn)動30 min后MFCC值增加了35.6％．

圖7 樣本1的3種運(yùn)動疲勞狀態(tài)下的MFCC

表5 8個(gè)樣本3種運(yùn)動疲勞狀態(tài)下MFCC的平均值

3 結(jié)果與結(jié)論

通過實(shí)驗(yàn)運(yùn)動疲勞后語音的短時(shí)平均能量、短時(shí)平均幅度函數(shù)、短時(shí)過零率、短時(shí)自相關(guān)函數(shù)和梅爾倒譜系數(shù)增幅見表6．

表6 5種語音參數(shù)不同疲勞程度下的增幅 （%）

從表6可以看出，語音信號中短時(shí)平均幅度升高的最明顯，短時(shí)過零率最緩慢．２種不同程度運(yùn)動之間，短時(shí)過零率的增長率最快，短時(shí)平均能量的增長率最緩慢．

[1] 任志強(qiáng)．運(yùn)動疲勞下語音參數(shù)變化的研究[D]．蘇州：蘇州大學(xué)，2015

[2] 李響，譚南林，李國正，等．一種應(yīng)用語音多特征檢測駕駛疲勞的方法[J]．儀器儀表學(xué)報(bào)，2013（10）：2231-2237

[3] 譚如坤．運(yùn)動性疲勞產(chǎn)生機(jī)理、監(jiān)測及恢復(fù)方法研究[J]．湖北師范學(xué)院學(xué)報(bào)，2013（2）：60-63

[4] 錢瑾．應(yīng)用語音特征診斷疲勞駕駛的研究[D]．北京：北京交通大學(xué)，2011

[5] 汪正創(chuàng)．基于MFCC的聲紋識別系統(tǒng)研究[D]．無錫：江南大學(xué)，2014

[6] 王敏，趙鶴鳴．基于多帶解調(diào)分析和瞬時(shí)頻率估計(jì)的耳語音話者識別[J]．聲學(xué)學(xué)報(bào)，2010（4）：471-476

[7] 陳樞茜，嚴(yán)競雄．基于BP神經(jīng)網(wǎng)絡(luò)的語音檢測運(yùn)動疲勞度的研究[J]．信息與電腦：理論版，2019（5）：156-157，161

[8] 陳樞茜．基于語音分析的疲勞度檢測研究[D]．蘇州：蘇州大學(xué)，2017

[9] 高明信．運(yùn)動疲勞過程中腦電信號特征提取仿真[J]．計(jì)算機(jī)仿真，2017（5）：277-280

[10] 侯莉娟，胡 榮光，張吉敏，等．運(yùn)動疲勞狀態(tài)下GPi/SNr在基底神經(jīng)節(jié)信息整合中的作用[J]．北京體育大學(xué)學(xué)報(bào)，201（1）：76-80

Research on changes of speech parameters based on exercise fatigue

FU Jianmei1，REN Guofeng1，ZHANG Xueying2

（1. Department of Electronics，Xinzhou Teachers University，Xinzhou 034000，China；2. School of Information and Computer，Taiyuan University of Technology，Taiyuan 030024，China）

The detection of exercise fatigue is of great significance in the sports science community．Without a scientific athletic system as a guide，excessive exercise can cause serious injury to athletes′ bodies．Based on the detection of speech fatigue level，the changes of five speech characteristic parameters based on short-term average energy，short-term average amplitude function，short-time zero-crossing rate，short-term autocorrelation function， and Mel cepstrum coefficient were studied under sports fatigue law．The experimental results show that with the deepening of exercise fatigue，the amplitudes of time-domain and frequency-domain speech parameters have increased to varying degrees．Among them，the short-term average amplitude of speech signals increases most obviously，and the short-term zero-crossing rate is the slowest．Between two different degrees of exercise，the short-term zero-crossing rate has the fastest growth rate．The short-term average energy growth rate is the slowest．

speech parameters；exercise fatigue；feature selection；Mel cepstrum coefficient

1007-9831（2020）07-0029-04

TN912.3

A

10.3969/j.issn.1007-9831.2020.07.007

2020-03-17

忻州師范學(xué)院教學(xué)改革項(xiàng)目（JGYB201914）；山西省教課規(guī)劃課題（GH-17053）；山西省高等學(xué)校教學(xué)改革創(chuàng)新項(xiàng)目（J2019174）；教育部“產(chǎn)學(xué)合作，協(xié)同育人”項(xiàng)目（201702091017）

付建梅（1987-），女，山西呂梁人，講師，碩士，從事語音信號處理、數(shù)字信號處理研究．E-mail：379554284@qq.com