[發明專利]一種基于語音幀間動態信息提高語音識別魯棒性的方法

有效

• 申請號: 201410281239.0
• 申請日: 2014-06-20
• 公開（公告）號: CN104064197B
• 公開（公告）日: 2017-05-17
• 發明（設計）人: 劉明;王明江
• 申請（專利權）人: 哈爾濱工業大學深圳研究生院
• 主分類號: G10L25/24
• 分類號: G10L25/24;G10L25/87
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙)44248
• 代理人: 陳本發,劉顯揚

1.一種基于語音幀間動態信息提高語音識別魯棒性的方法，其特征在于：所述方法引入不同語音幀之間的相關性，選擇梅爾倒譜系數(MFCC)進行大規模孤立詞語音識別，對噪聲環境下的語音采用人耳聽覺機制的計算聽覺場景分析(CASA)方法消除噪聲，包括以下步驟：

A.對采集的語音進行分幀，幀長25ms，幀間重疊10ms，每幀400個點；

B.采用CASA方法消除噪聲，具體為：

采用如下公式分別計算噪聲譜的包絡env_N(i,j)和語音譜的包絡env_S(i,j)：

$env(i,j)=\left|\underset{n=0}{\overset{N-1}{\Σ}}{x}^{i,j}\left(n\right)\right|$

其中x^i,j(n)表示第i幀中第j個頻率上的第n個采樣值，N＝400；純凈語音信號的計算方法如下：

$c(n,i)=\underset{i=1}{\overset{I}{\Σ}}\ln \[env(i,j)\]\cos \[\frac{n}{\mathrm{\π}}(j-0.5)\]$

其中c(n,i)表示第i幀的第n個經過噪聲分離后的采樣值，I表示所有的語音幀數；

C.采用如下6個過程將去噪后的語音進行處理，得到梅爾倒譜系數c_t(n)，t代表第t幀：

(1)加入漢明窗來減小幀起始處和結束處的信號的不連續性；

(2)對每一幀進行語音端點檢測，得到有用的語音幀；

(3)對每一幀語音幀進行512點的FFT變換；

(4)FFT變換后的語音信號在頻域上進行梅爾倒譜變換；

(5)經梅爾變換后的語音數據取對數能量；

(6)進行余弦離散變換后，再進行歸一化計算得到c_t(n)；

D.前后幀提取的特征向量的差值，作為一組參數代表語音幀間的動態信息，補充到MFCC參數中，計算幀間動態信息所采用的公式為如下:

$\▿C_t\left(n\right)=\left\{\begin{array}{cc}{C}_t\left(n\right)-C_{t+1}\left(n\right)& 0\≤t\<T,0\≤n\≤14\\ C_T\left(n\right)-C_0\left(n\right)& t=T,0\≤n\≤14\end{array}\right.$

其中，T為一個孤立詞中的有效語音幀數，t代表第t幀，n代表第t幀中的第n個MFCC參數。