[發(fā)明專利]面向孤立詞語音識(shí)別的自適應(yīng)端點(diǎn)檢測方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201210085584.8
• 申請日: 2012-03-28
• 公開（公告）號(hào): CN103366739A
• 公開（公告）日: 2013-10-23
• 發(fā)明（設(shè)計(jì)）人: 霍小四;尹明理;劉軍江
• 申請（專利權(quán)）人: 鄭州市科學(xué)技術(shù)情報(bào)研究所
• 主分類號(hào): G10L15/04
• 分類號(hào): G10L15/04;G10L25/87
• 代理公司: 鄭州中原專利事務(wù)所有限公司 41109
• 代理人: 霍彥偉;李想

技術(shù)領(lǐng)域

本發(fā)明涉及一種面向孤立詞語音識(shí)別的語音端點(diǎn)檢測算法，更具體地說，是一種能夠根據(jù)背景噪聲自動(dòng)調(diào)節(jié)檢測門限的、針對(duì)非特定人孤立詞語音識(shí)別的端點(diǎn)檢測算法。

背景技術(shù)

孤立詞語音識(shí)別是通過機(jī)器把含有孤立詞的語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，有著非常廣泛的應(yīng)用領(lǐng)域和市場背景，如各種命令控制系統(tǒng)、語音玩具等等。在孤立詞語音識(shí)別系統(tǒng)中，輸入的信號(hào)包括孤立詞語音和背景噪聲等，從輸入信號(hào)中找出語音的起點(diǎn)和終點(diǎn)，稱為端點(diǎn)檢測。在孤立詞語音識(shí)別系統(tǒng)中，端點(diǎn)檢測的準(zhǔn)確性直接關(guān)系到識(shí)別率的高低。

常用的端點(diǎn)檢測算法有基于短時(shí)平均幅值和短時(shí)過零率的雙門限檢測算法，該算法用短時(shí)平均幅值區(qū)分濁音與無聲段，用短時(shí)平均過零率區(qū)分清音與無聲段。該算法對(duì)信噪比高的語音信號(hào)有很好的檢測效果，但受噪聲影響很大，對(duì)于含噪聲的語音信號(hào)的檢測效果較差。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于克服現(xiàn)有雙門限檢測算法受噪聲影響大的缺陷，根據(jù)背景噪聲的強(qiáng)弱自適應(yīng)地改變檢測閾值，并結(jié)合根據(jù)孤立詞語音長度的限制，提供一種具有高穩(wěn)健性的孤立詞語音識(shí)別端點(diǎn)檢測算法。

為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案，它包括以下步驟：

a.語音輸入：輸入包含待識(shí)別孤立詞的語音信號(hào)；

b.語音預(yù)處理：對(duì)語音信號(hào)進(jìn)行幅值平移，歸一化和分幀處理，計(jì)算每一幀語音信號(hào)的短時(shí)平均能量和短時(shí)平均過零率；

c.?孤立詞端點(diǎn)粗檢測：利用每一幀語音信號(hào)的短時(shí)平均能量和短時(shí)平均過零率，以及端點(diǎn)前后連續(xù)語音幀的最短長度約束，對(duì)孤立詞端點(diǎn)進(jìn)行粗略估計(jì)；

d.?檢測門限的自適應(yīng)調(diào)整及精確端點(diǎn)的檢測：利用孤立詞最小時(shí)長和最大時(shí)長的限制，對(duì)檢測門限進(jìn)行動(dòng)態(tài)調(diào)整，并對(duì)語音端點(diǎn)進(jìn)行前后微調(diào)，得到精確的孤立詞端點(diǎn)；

e.?輸出孤立詞的端點(diǎn)進(jìn)行孤立詞語音識(shí)別：輸出精確的孤立詞端點(diǎn)，利用語音識(shí)別技術(shù)進(jìn)行孤立詞識(shí)別。

c步驟中，進(jìn)行端點(diǎn)的粗略估計(jì)時(shí)，引入端點(diǎn)前后連續(xù)語音幀長度的約束。

e步驟中，進(jìn)行端點(diǎn)的精確檢測時(shí)，根據(jù)孤立詞的長度約束對(duì)檢測門限進(jìn)行自適應(yīng)調(diào)整。當(dāng)檢測到的孤立詞語音長度大于孤立詞的最大長度時(shí)，增大短時(shí)能量高閾值，并向后調(diào)整起點(diǎn)、向前調(diào)整終點(diǎn)，分別使得起點(diǎn)和終點(diǎn)的幀平均能量大于新的高閾值。當(dāng)檢測到的孤立詞語音長度大于孤立詞的最大長度時(shí)，縮小短時(shí)過零率閾值，并向后調(diào)整起點(diǎn)、向前調(diào)整終點(diǎn)，使得起點(diǎn)前一幀和終點(diǎn)下一幀平均過零率大于新的短時(shí)過零率閾值。當(dāng)檢測到的孤立詞語音長度小于孤立詞的最短長度時(shí)，縮小短時(shí)能量高閾值，并向前調(diào)整起點(diǎn)、向后調(diào)整終點(diǎn)，分別使得起點(diǎn)和終點(diǎn)的幀平均能量大于新的高閾值。當(dāng)檢測到的孤立詞語音長度小于孤立詞的最短長度時(shí)，增大短時(shí)過零率閾值，并向前調(diào)整起點(diǎn)、向后調(diào)整終點(diǎn)，使得起點(diǎn)前一幀和終點(diǎn)下一幀平均過零率大于新的短時(shí)過零率閾值。

面向孤立詞語音識(shí)別的自適應(yīng)端點(diǎn)檢測系統(tǒng)，該系統(tǒng)包括：待識(shí)別孤立詞語音信號(hào)的輸入裝置；對(duì)語音信號(hào)進(jìn)行幅值平移，歸一化和分幀處理，對(duì)每一幀語音的短時(shí)平均能量和短時(shí)平均過零率進(jìn)行計(jì)算的裝置；利用每一幀語音信號(hào)的短時(shí)平均能量和短時(shí)平均過零率，以及端點(diǎn)前后連續(xù)語音幀的最短長度約束，對(duì)孤立詞端點(diǎn)進(jìn)行粗略估計(jì)的裝置；利用孤立詞最小時(shí)長和最大時(shí)長的限制，對(duì)檢測門限進(jìn)行動(dòng)態(tài)調(diào)整，并對(duì)語音端點(diǎn)進(jìn)行前后微調(diào)，得到精確孤立詞端點(diǎn)的裝置；輸出精確的孤立詞端點(diǎn)，利用語音識(shí)別技術(shù)進(jìn)行孤立詞識(shí)別的裝置。

本發(fā)明的有益效果是：由于傳統(tǒng)的基于雙門限檢測的孤立詞語音端點(diǎn)檢測算法受噪聲的影響較大，本發(fā)明給出一種具有一定抗噪能力、自適應(yīng)調(diào)整檢測門限的新端點(diǎn)檢測算法。與現(xiàn)有技術(shù)相比，本發(fā)明在檢測端點(diǎn)時(shí)引入連續(xù)語音幀的時(shí)長限制，增加檢測的穩(wěn)健性；同時(shí)通過引入與待檢測孤立詞相關(guān)的時(shí)長限制，自動(dòng)地調(diào)整檢測的門限。算法實(shí)現(xiàn)簡單、效果好、速度快，且具有一定的抗噪能力，特別適合于小型設(shè)備及嵌入式設(shè)備實(shí)現(xiàn)，可以作為孤立詞語音識(shí)別系統(tǒng)的前端。

附圖說明

圖1為本發(fā)明方法整體框架的流程圖。

圖2為本發(fā)明方法中自適應(yīng)調(diào)整檢測門限和孤立詞端點(diǎn)精確檢測的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方法作進(jìn)一步描述。

如圖1、圖2所示，本發(fā)明包括以下步驟：

1.語音輸入

輸入包含所要檢測孤立詞的語音信號(hào)。

2.語音預(yù)處理與檢測門限參數(shù)選取