基于運動疲勞下語音參數變化的研究

付建梅，任國鳳，張雪英

基于運動疲勞下語音參數變化的研究

付建梅1，任國鳳1，張雪英2

（1. 忻州師范學院 電子系，山西 忻州 034000；2. 太原理工大學 信息與計算機學院，山西 太原 030024）

運動疲勞的檢測在運動科學界有著非常重要的意義，若沒有科學的運動體系作為指導，運動過量對運動員的身體會造成嚴重傷害．基于語音的運動疲勞程度檢測，研究了基于短時平均能量、短時平均幅度函數、短時過零率、短時自相關函數和梅爾倒譜系數５個語音特征參數在運動疲勞下變化的規律．實驗結果顯示，隨著運動疲勞程度的加深，時域和頻域語音參數的幅值均呈現不同程度的上升，其中語音信號中短時平均幅度升高得最明顯，短時過零率最緩慢．2種不同程度運動之間，短時過零率的增長率最快，短時平均能量的增長率最緩慢．

語音參數；運動疲勞；特征選擇；梅爾倒譜系數

運動性疲勞是大家在日常運動訓練時都會產生的一種正常機體反應，若沒有達到一定疲勞程度運動訓練效果不佳[1-2]，而運動過量，對身體有損害．長久以來，運動訓練學界中人體運動疲勞產生的機制及其檢測和恢復辦法，是該領域所關心和研究的重點以及難點[3-4]．因此，本文對不同運動程度下的語音信號的參數變化進行分析研究．

1 運動疲勞語音信號的采集

本設計的受試者為8名在校大學生．其中4名男生，年齡均值+標準差：22+0.72歲；4名女生，年齡均值+標準差：21+1.24歲，被測試者身體狀況良好．

設計的運動采用跑步的方式，分別對受試者運動前、運動10 min后和運動30 min后的疲勞程度下進行錄音，錄音時間為3~5 s，錄制的語音信息統一為“健康，平安，幸福”．本設計在Matlab軟件平臺下進行數據分析處理，提前在格式轉換軟件下將語音信號轉換為WAV格式[5]．

2 語音特征參數的提取與分析

語音信號采集經過加窗分幀的預處理后，提取其特征參數[6-7]．實驗選取的時域參數包括短時平均能量、短時平均幅度函數、短時自相關函數和短時平均過零率．頻域參數選擇了梅爾倒譜參數．

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 運動疲勞語音信號短時平均能量的提取與分析

語音信號的短時平均能量反映了語音信號的強度，其實現框圖見圖2．

圖2 短時平均能量實現框圖

3種疲勞狀態下全部8個樣本短時平均能量的平均數據見表1．從表1可以看出，隨著運動時長的增長，語音信號的短時平均能量也隨之增加．相較于運動前，運動10 min后增長了51.6%，運動30 min后增長了60.5%．

圖3 樣本1的3種運動疲勞下的短時平均能量

注：average是每個運動疲勞狀態的短時平均能量的平均值

表1 8個樣本3種運動疲勞狀態下短時平均能量的平均值

2.2 運動疲勞語音信號短時平均幅度的提取與分析

短時平均幅度的實現框圖見圖4．

3種疲勞狀態下8個樣本短時平均幅度的平均數據見表2．從表2可以看出，隨著運動時長的增長，語音信號的短時平均幅度也隨之增加．相較于運動前，運動10 min后增長了103%，運動30 min后增長了202%．

圖4 短時平均幅度的實現框圖

表2 8個樣本3種運動疲勞狀態下短時平均幅度的平均值

2.3 運動疲勞語音信號短時平均過零率的提取與分析

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

3種疲勞狀態下8個樣本短時平均過零率的平均數據見表3．從表3中可以看出，隨著運動時長的增長，語音信號的短時過零率也隨之增加．相較于運動前，運動10 min后增長了14%，運動30 min后增長了30.9%．

圖5 樣本1的3種運動疲勞狀態下的短時過零率

表3 8個樣本3種運動疲勞狀態下短時平均過零率的平均值

2.4 運動疲勞語音信號短時自相關函數的提取與分析

分別提取運動前、運動10 min后及運動30 min后3種運動疲勞下樣本的短時自相關函數，其自相關函數的數值見圖6（average是每個運動疲勞狀態的短時自相關的平均值）．

3種疲勞狀態下8個樣本短時自相關的平均數據見表4．從表4中看出，隨著運動時長的增長，語音信號的短時自相關函數也隨之增加．相較于運動前，運動10 min后增長了34%，運動30 min后增長了77%．

圖6 樣本1的3種運動疲勞狀態下的短時自相關函數

表4 8個樣本3種運動疲勞狀態下短時自相關函數的平均值

2.5 運動疲勞語音信號MFCC的提取與分析

分別提取運動前、運動10 min后及運動30 min后3種運動疲勞下樣本的MFCC見圖7（average是每個運動疲勞狀態的MFCC平均值）．

3種疲勞狀態下全部8個樣本MFCC的平均數據見表5．從表5中可以看出，隨著運動時間的增加，語音信號的MFCC值也在增加．與運動前相比，運動10 min后MFCC值增加了24.3％，運動30 min后MFCC值增加了35.6％．

圖7 樣本1的3種運動疲勞狀態下的MFCC

表5 8個樣本3種運動疲勞狀態下MFCC的平均值

3 結果與結論

通過實驗運動疲勞后語音的短時平均能量、短時平均幅度函數、短時過零率、短時自相關函數和梅爾倒譜系數增幅見表6．

表6 5種語音參數不同疲勞程度下的增幅 （%）

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

[1] 任志強．運動疲勞下語音參數變化的研究[D]．蘇州：蘇州大學，2015

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

[3] 譚如坤．運動性疲勞產生機理、監測及恢復方法研究[J]．湖北師范學院學報，2013（2）：60-63

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

[5] 汪正創．基于MFCC的聲紋識別系統研究[D]．無錫：江南大學，2014

[6] 王敏，趙鶴鳴．基于多帶解調分析和瞬時頻率估計的耳語音話者識別[J]．聲學學報，2010（4）：471-476

[7] 陳樞茜，嚴競雄．基于BP神經網絡的語音檢測運動疲勞度的研究[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，2017

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

[10] 侯莉娟，胡 榮光，張吉敏，等．運動疲勞狀態下GPi/SNr在基底神經節信息整合中的作用[J]．北京體育大學學報，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

忻州師范學院教學改革項目（JGYB201914）；山西省教課規劃課題（GH-17053）；山西省高等學校教學改革創新項目（J2019174）；教育部“產學合作，協同育人”項目（201702091017）

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