[發明專利]語音識別方法及裝置在審
| 申請號： | 201510860662.0 | 申請日： | 2015-11-30 |
| 公開（公告）號： | CN106816157A | 公開（公告）日： | 2017-06-09 |
| 發明（設計）人： | 孫廷瑋 | 申請（專利權）人： | 展訊通信（上海）有限公司 |
| 主分類號： | G10L25/18 | 分類號： | G10L25/18;G10L25/21;G10L15/02 |
| 代理公司： | 北京集佳知識產權代理有限公司11227 | 代理人： | 郭學秀,吳敏 |
| 地址： | 201203 上海市浦東新區張*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 語音 識別 方法 裝置 | ||
1.一種語音識別方法，其特征在于，包括：
將獲取的待識別的聲音數據劃分為多個重疊的聲音幀，并對每個聲音幀進行快速傅立葉變換運算，得到對應的頻譜；
對所述多個重疊的聲音幀的頻譜進行遍歷，將遍歷到的當前聲音幀的頻譜劃分為無重疊的多個子帶；
分別計算當前聲音幀的多個子帶的子帶功率譜熵概率質量；
根據當前聲音幀的各個子帶的子帶功率譜熵概率質量，計算當前聲音幀的子帶功率譜熵；
當確定當前聲音幀的子帶功率譜熵大于預設的閾值時，確定當前聲音幀中包括語音信息。
2.根據權利要求1所述的語音識別方法，其特征在于，所述將遍歷到的當前聲音幀的頻譜劃分為無重疊的多個子帶，包括：按照預設的子帶寬度將遍歷到的當前聲音幀的頻譜劃分成為無重疊的多個子帶。
3.根據權利要求2所述的語音識別方法，其特征在于，采用如下的公式分別計算當前聲音幀的多個子帶的子帶功率譜熵概率質量：
其中，xi表示第i個子帶的頻譜能量，N為各個聲音幀劃分得到的子帶的數目。
4.根據權利要求3所述的語音識別方法，其特征在于，采用如下的公式根據當前聲音幀的各個子帶的子帶功率譜熵概率質量，計算當前聲音幀的子帶功率譜熵：
H(x)＝-∑x∈Xxi×log2xi，其中，H(x)表示聲音幀的子帶功率譜熵。
5.根據權利要求1-4任一項所述的語音識別方法，其特征在于，所述將遍歷到的當前聲音幀的頻譜劃分為無重疊的多個子帶，包括：將遍歷到的當前聲音幀的頻譜劃分為無重疊的12或13個子帶。
6.根據權利要求1所述的語音識別方法，其特征在于，還包括：當確定當前聲音幀中包括語音信息時，對當前聲音幀進行語音識別。
7.一種語音識別裝置，其特征在于，包括：
頻域處理單元，適于將獲取的待識別的聲音數據劃分為多個重疊的聲音幀，并對每個聲音幀進行快速傅立葉變換運算，得到對應的頻譜；
子帶劃分單元，適于對所述多個重疊的聲音幀的頻譜進行遍歷，將遍歷到的當前聲音幀的頻譜劃分為無重疊的多個子帶；
第一計算單元，適于分別計算當前聲音幀的多個子帶的子帶功率譜熵概率質量；
第二計算單元，適于根據當前聲音幀的各個子帶的子帶功率譜熵概率質量，計算當前聲音幀的子帶功率譜熵；
判斷單元，適于判斷當前聲音幀的子帶功率譜熵是否大于預設的閾值；
確定單元，適于當確定當前聲音幀的子帶功率譜熵大于預設的閾值時，確定當前聲音幀中包括語音信息。
8.根據權利要求7所述的語音識別裝置，其特征在于，所述子帶劃分單元適于按照預設的子帶寬度將遍歷到的所述當前聲音幀的頻譜劃分成為無重疊的多個子帶。
9.根據權利要求8所述的語音識別裝置，其特征在于，所述第一計算單元，適于采用如下的公式分別計算當前聲音幀的多個子帶的子帶功率譜熵概率質量：
其中，xi表示第i個子帶的頻譜能量，N為各個聲音幀劃分得到的子帶的數目。
10.根據權利要求9所述的語音識別裝置，其特征在于，所述第二計算單元適于采用如下的公式根據當前聲音幀的各個子帶的子帶功率譜熵概率質量，計算當前聲音幀的子帶功率譜熵：
H(x)＝-∑x∈Xxi×log2xi，其中，H(x)表示聲音幀的子帶功率譜熵。
11.根據權利要求7-10任一項所述的語音識別裝置，其特征在于，所述子帶劃分單元適于將將遍歷到的當前聲音幀的頻譜劃分為無重疊的12或13個子帶。
12.根據權利要求7所述的語音識別裝置，其特征在于，還包括：語音識別單元，適于當確定當前聲音幀中包括語音信息時，對當前聲音幀進行語音識別。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于展訊通信（上海）有限公司，未經展訊通信（上海）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201510860662.0/1.html，轉載請聲明來源鉆瓜專利網。
