[發明專利]實時將語音進行分離的語音降噪的方法及系統

有效

• 申請號: 201610024317.8
• 申請日: 2016-01-14
• 公開（公告）號: CN106971741B
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 祝銘明
• 申請（專利權）人: 芋頭科技（杭州）有限公司
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0216
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧

本發明公開了實時將語音進行分離的語音降噪的方法及系統，屬于語音識別技術領域。實時將語音進行分離的語音降噪的方法，通過將外部輸入的聲源分割為復數個預設時間段的語音，以采用特征模型與語音進行匹配，分離出噪聲與攜帶人聲的語音，再根據識別出的噪音實時更新特征模型，從而達到實時識別外界不斷變換的噪聲的目的，同時將所述噪聲作為參照樣本以生成判斷語音的純語音的概率模型，對攜帶人聲的語音的進行處理，以獲取純語音估計值，能夠提升背景噪聲去除的效果，較好地排除語音識別過程中較大的背景噪聲的干擾，提升語音識別的準確度。

技術領域

本發明涉及語音識別技術領域，尤其涉及一種實時將語音進行分離的語音降噪的方法及系統。

背景技術

現有技術中，在一些支持語音操作的智能終端中往往必須用到語音識別的功能，即通過識別說話人的聲紋以及語句得到智能終端能夠執行的指令，并進而根據該指令執行相應的操作。由于說話人發出的聲音在傳播過程中夾雜了外界的噪音和說話人在說話時產生的噪音，因此接收到的語音主要包括兩部分，一部分為攜帶有說話人聲音及說話時產生噪音的語音，另一部分為聲音在傳輸過程中由外界產生的噪音，因此在某些非說話人語音的噪聲干擾較強的應用場合(例如應用在一個說話人較多的空間，或者所應用的空間的背景噪聲較強)，由于背景噪聲與說話人的語音指令糅合在一起，會使語音識別更為困難，識別準確度大大降低。

由于外界的噪聲可以是不斷變換的，因此需要訓練出與不斷變換的噪聲匹配的特征模型，識別噪聲，以濾除噪聲，但目前并不存在較為理想的關于噪聲濾波的技術方案。

發明內容

根據現有技術中存在的上述問題，現提供一種實時將語音進行分離的語音降噪的方法及系統以及智能終端的技術方案，具體包括：

一種實時將語音進行分離的語音降噪的方法，適用于智能終端，提供一預設的特征模型，包括下述步驟：

步驟S1，采集外部輸入的聲源，并存儲；

步驟S2，將所述聲源根據接收的時間順序分割為復數個預設時間段的語音；

步驟S3，根據所述時間順序提取一所述語音，將所述語音與所述特征模型進行匹配，以獲取與所述特征模型匹配的所述噪聲，以及與所述初始特征模型不匹配的攜帶人聲的所述語音，并生成所述語音的匹配標識，所述匹配標識用于表示所述語音與所述特征模型匹配完成；

步驟S4，將所述噪聲追加為所述特征模型的噪聲樣本，并依據所述噪聲樣本對所述特征模型進行更新，以形成新的所述特征模型；

步驟S5，判斷攜帶人聲的所述語音的聲音強度是否高于一預設的強度閾值，并在所述聲音強度高于所述強度閾值時將所述語音確認為待判斷語音，并轉向步驟S6；

步驟S6，根據所述待判斷語音的頻譜，生成對應所述待判斷語音上每個頻帶的估計標識，所述估計標識用于表示所述語音在諧波結構上的顯著性；

步驟S7，將所述噪聲作為參照樣本，根據所述參照樣本及所述待判斷語音生成對應于所述待判斷語音的純語音的概率模型；

步驟S8，以每個所述估計標識作為對應的所述待判斷語音的所述頻帶的權重指標，依據所述概率模型處理得到關聯于所述語音的純語音估計值；

步驟S9，根據所述時間順序提取一未被標識的所述語音，將所述語音與所述特征模型進行匹配，以獲取與新的所述特征模型匹配的所述噪聲，以及與所述初始特征模型不匹配的攜帶人聲的所述語音，并生成所述語音的匹配標識，返回執行所述步驟S4。

優選的，該實時將語音進行分離的語音降噪的方法，其中，所述步驟S6中生成的所述估計標識包括第一估計標識；或者

所述步驟S6中生成的所述估計標識包括第一估計標識和第二估計標識。