[發明專利]有效語音識別方法及系統

有效

• 申請號: 201510055655.3
• 申請日: 2015-01-30
• 公開（公告）號: CN104575498B
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 付姝華
• 申請（專利權）人: 深圳市云之訊網絡技術有限公司
• 主分類號: G10L15/20
• 分類號: G10L15/20
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 李悅;張鵬

1.一種有效語音識別方法，其特征在于：其包括以下步驟：

步驟A：實時獲取當前語音幀的語音頻譜分布；

步驟B：實時獲取當前語音幀的短時能量和長時能量；

步驟B包括以下子步驟：

步驟B1：根據公式IV計算該語音頻域的短時能量E_s，公式IV為i∈(0,N)，b為濾波器更新系數，取值范圍為[0，1]；以及

步驟B2：根據公式V計算該語音頻域的長時能量E_l，公式V為i∈(0,N)，a為濾波器更新系數，取值范圍[0，1]；

步驟C：根據語音頻譜分布、長時能量和短時能量獲取語音類似度；具體為根據公式VI、語音頻譜分布p、長時能量E_l和短時能量E_s計算語音類似度γ，公式VI為c為常數，取值范圍為[0，1]；e為自然指數；以及

步驟D：判斷語音類似度是否大于預設的語音類似度閾值，若是，執行步驟E；若否，執行步驟F；

步驟E：判定當前語音幀為有效語音；以及

步驟F：判定當前語音幀為非語音。

2.如權利要求1所述的有效語音識別方法，其特征在于：步驟A包括以下子步驟：

步驟A1：實時根據傅里葉變換將當前的語音幀變換為語音頻域；

步驟A2：獲取該語音頻域的各頻譜處的能量；以及

步驟A3：根據各頻譜處的能量統計語音頻譜分布。

3.如權利要求2所述的有效語音識別方法，其特征在于：步驟A1根據公式I將當前的語音換到語音頻域X(k)，公式I為X(k)＝FFT(x(j))，j∈(0,N)為時域樣點序號，k∈(0,N)為頻域樣點序號；

步驟A2根據公式II計算該語音頻域的各頻譜處的能量E(k)，公式II為E(k)＝|X(k)|^2,k∈(0,N)；

步驟A3根據公式III和各頻譜處的能量統計語音頻譜分布p，公式III為其中，ω_i為固定值，對應各子頻帶權重系數。

4.一種有效語音識別系統，其特征在于：其包括以下模塊：

模塊A：實時獲取當前語音幀的語音頻譜分布；

模塊B：實時獲取當前語音幀的短時能量和長時能量；

模塊B包括以下子模塊：

模塊B1：根據公式IV計算該語音頻域的短時能量E_s，公式IV為i∈(0,N)，b為濾波器更新系數，取值范圍為[0，1]，E_i指第i個頻譜能量；以及

模塊B2：根據公式V計算該語音頻域的長時能量E_l，公式V為i∈(0,N)，a為濾波器更新系數，取值范圍[0，1]，Ei指第i個頻譜能量；

模塊C：根據語音頻譜分布、長時能量和短時能量獲取語音類似度；具體為模塊C根據公式VI、語音頻譜分布p、長時能量E_l和短時能量E_s計算語音類似度γ，公式VI為c為常數，取值范圍為[0，1]，e為自然指數；以及

模塊D：判斷語音類似度是否大于預設的語音類似度閾值，若是，執行模塊E；若否，執行模塊F；

模塊E：判定當前語音幀為有效語音；以及

模塊F：判定當前語音幀為非語音。

5.如權利要求4所述的有效語音識別系統，其特征在于：模塊A包括以下子模塊：

模塊A1：實時根據傅里葉變換將當前的語音幀變換為語音頻域；

模塊A2：獲取該語音頻域的各頻譜處的能量；以及

模塊A3：根據各頻譜處的能量統計語音頻譜分布。

6.如權利要求5所述的有效語音識別系統，其特征在于：模塊A1根據公式I將當前的語音換到語音頻域X(k)，公式I為X(k)＝FFT(x(j))，j∈(0,N)為時域樣點序號，k∈(0,N)為頻域樣點序號；

模塊A2根據公式II計算該語音頻域的各頻譜處的能量E(k)，公式II為E(k)＝|X(k)|^2,k∈(0,N)；

模塊A3根據公式III和各頻譜處的能量統計語音頻譜分布p，公式III為其中，ω_i為固定值，對應各子頻帶權重系數。