[發(fā)明專利]一種智能語(yǔ)音處理方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410081493.6
• 申請(qǐng)日: 2014-03-05
• 公開（公告）號(hào): CN103811020A
• 公開（公告）日: 2014-05-21
• 發(fā)明（設(shè)計(jì)）人: 王義;魏陽(yáng)杰;陳瑤;關(guān)楠
• 申請(qǐng)（專利權(quán)）人: 東北大學(xué)
• 主分類號(hào): G10L21/0272
• 分類號(hào): G10L21/0272;G10L15/07
• 代理公司: 沈陽(yáng)東大知識(shí)產(chǎn)權(quán)代理有限公司 21109
• 代理人: 梁焱

技術(shù)領(lǐng)域

本發(fā)明屬于信息處理技術(shù)領(lǐng)域，具體涉及一種智能語(yǔ)音處理方法。

背景技術(shù)

據(jù)2013年世界衛(wèi)生組織(WHO)發(fā)布的最新評(píng)估數(shù)據(jù)顯示，全球目前共有3.6億人存在不同程度的聽力障礙，占全球總?cè)丝诘?％。助聽產(chǎn)品的使用可以有效地補(bǔ)償聽力障礙患者的聽力損失，提高他們的生活和工作質(zhì)量。然而，當(dāng)今助聽系統(tǒng)相關(guān)技術(shù)的研究仍然集中在噪聲抑制和源聲音幅值放大兩個(gè)方面，很少涉及到基于聲音特征的建模和多聲源自動(dòng)分離技術(shù)。當(dāng)實(shí)際應(yīng)用場(chǎng)景非常復(fù)雜時(shí)，例如：聚會(huì)時(shí)，多個(gè)說(shuō)話人同時(shí)發(fā)聲，甚至是伴有音樂等背景聲音，由于助聽系統(tǒng)無(wú)法從混合后的聲音輸入中分離出感興趣的聲音對(duì)象，簡(jiǎn)單的聲音強(qiáng)度擴(kuò)大功能只能增加使用者的聽力負(fù)擔(dān)甚至傷害，不會(huì)帶來(lái)有效的聲音輸入和理解。因此，針對(duì)當(dāng)前助聽系統(tǒng)的技術(shù)缺陷，設(shè)計(jì)一款具有特定聲音對(duì)象識(shí)別功能的、更加智能化和個(gè)性化的新型助聽系統(tǒng)，具有非常重要的意義。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明提出一種智能語(yǔ)音處理方法，以達(dá)到保證用戶根據(jù)自己的需求獲得純凈的聲音接收和放大，實(shí)現(xiàn)助聽系統(tǒng)的智能化、互動(dòng)化和個(gè)性化的目的。

一種智能語(yǔ)音處理方法，包括以下步驟：

步驟1、采集樣本語(yǔ)音段構(gòu)建樣本語(yǔ)音庫(kù)，對(duì)樣本語(yǔ)音進(jìn)行特征提取，獲得特征參數(shù)，并對(duì)特征參數(shù)進(jìn)行訓(xùn)練；

具體過(guò)程如下：

步驟1-1、采集樣本語(yǔ)音段，將采集的語(yǔ)音段進(jìn)行離散化處理，提取語(yǔ)音信號(hào)的梅爾頻率倒譜系數(shù)作為語(yǔ)音信號(hào)特征參數(shù)，并建立高斯混合模型；

模型公式如下：

p(XIG)=Σi=1Mpibi(X)---(1)]]>

其中，p(XIG)表示樣本語(yǔ)音特征參數(shù)在模型參數(shù)為G的模型中的概率；

G表示高斯混合模型參數(shù)集，G＝{p_i，μ_i，∑_i}，i＝1，2，...，I；

I表示高斯混合模型中單一高斯模型個(gè)數(shù)；

p_i表示第i個(gè)單一高斯模型的權(quán)重系數(shù)，

μ_i表示第i個(gè)單一高斯模型的均值矢量；

∑_i表示第i個(gè)單一高斯模型的協(xié)方差矩陣；

X表示樣本語(yǔ)音特征參數(shù)，X＝{x₁，x₂，...，x_T}，T表示特征向量的個(gè)數(shù)；

b_i(X)表示第i個(gè)單一高斯模型的密度函數(shù)，b_i(X)＝N(μ_i，∑_i)，N(.)表示標(biāo)準(zhǔn)高斯分布的密度函數(shù)；

步驟1-2、利用語(yǔ)音信號(hào)特征參數(shù)訓(xùn)練高斯混合模型；

即采用k均值聚類算法對(duì)語(yǔ)音信號(hào)特征參數(shù)進(jìn)行聚類，獲得高斯混合模型參數(shù)集初始值G₀＝{p_i⁰，μ_i⁰，∑_i⁰}，i＝1，2，...，I；并根據(jù)獲得的高斯混合模型參數(shù)集初始值，采用最大期望算法對(duì)模型進(jìn)行估計(jì)，進(jìn)而獲得高斯混合模型參數(shù)，即完成特征參數(shù)的訓(xùn)練；

步驟2、采用M個(gè)麥克風(fēng)組成的麥克風(fēng)陣列采集被測(cè)環(huán)境音頻信號(hào)，確定該環(huán)境聲音源個(gè)數(shù)和每個(gè)聲音源波束到達(dá)的方向，即聲源到麥克風(fēng)陣列的入射角度；

具體過(guò)程如下：

步驟2-1、采用M個(gè)麥克風(fēng)組成的麥克風(fēng)陣列采集被測(cè)環(huán)境的混合音頻信號(hào)，并對(duì)采集的混合音頻信號(hào)進(jìn)行離散化處理，獲得每個(gè)采樣點(diǎn)的幅值；