[發明專利]語音和聲音的識別方法發明

在審

• 申請號: 201610273827.9
• 申請日: 2016-04-29
• 公開（公告）號: CN107342074A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 王榮
• 申請（專利權）人: 王榮
• 主分類號: G10L15/02
• 分類號: G10L15/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于語音識別和聲音識別領域，具體涉及一種實現語音和聲音識別的方法。

背景技術

語音識別是人工智能的重要組成部分，有著廣泛的用途，但目前的語音識別在有噪音的環境中識別能力較差。《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS，VOL.10，NO.5，JUNE 1992》雜志的《An Objective Measure for Predicting Subjective Quality of Speech Coders》一文(以下稱文獻1)介紹了一種比較兩個語音之間差異的方法，但如果用于語音識別，這種方法效果很不理想。另外，這種方法需要兩個語音是完全對準的，但現實中，語音會在任何時間開始和結束，幾乎不可能是事先對準的。因此，本發明提出解決方法，試圖解決這些問題。

發明內容

一種實現語音識別的方法，方法是把純語音A轉換為表示所述純語音A在巴克上的響度的二維數組F，把待識別的聲音G轉換為表示所述待識別的聲音G在巴克上的響度的二維數組H，其特征是：

在比較所述數組F和所述數組H時，忽略所述數組F中響度較小的元素以及所述數組H中與所述數組F中響度較小的元素對應的元素。

一種實現語音識別的方法，方法是把純語音A2轉換為表示所述純語音A2在巴克上的響度的二維數組F2，把待識別的聲音G2轉換為表示所述待識別的聲音G2在巴克上的響度的二維數組H2，其特征是：

在計算所述數組F2的元素F2[x][y]和所述數組H2中對應的元素H2[x][y]的距離時，令計算的結果最大不超過所述元素F2[x][y]的值。

優選的，設待識別的聲音G3是和純語音A3長度不同的聲音，為計算所述待識別的聲音G3是否包含所述純語音A3，其特征是：

逐幀從所述待識別的聲音G3中提取和所述純語音A3長度相同的一段聲音G4，再比較所述聲音G4和所述純語音A3。

優選的，把所述純語音A和所述純語音A2乘以一個比例因子，再和所述待識別的聲音G和所述待識別的聲音G2進行比較。

與現有技術相比，本發明的優勢在于：對有噪音的環境以及發音較短的字或詞有較好的識別效果。

具體實施方式

實施例1：

在語音，以及更寬泛而言的聲音中，功率在頻率上的分布并不是完全相等的，并且功率在頻率上的分布會隨著時間變化。正是這種頻率的分布，以及它們的變化，使人可以分辨出各種聲音。假設有一個200赫茲和一個2000赫茲，強度不變的正弦音同時出現，并且200赫茲正弦音的響度是2000赫茲的2倍，在這種情況下，人類可以輕易聽出聲音中有一個2000赫茲的聲音。但如果把文獻1的方法和公式直接用于聲音的識別，以及計算兩個聲音的距離，會認為這個聲音和2000赫茲相距甚遠，因而識別不出2000赫茲這個聲音。但是如果先給人類聽一下2000赫茲的正弦波純音，他會發現，這個聲音在200Hz以及其它頻率上的響度為零，因而會忽略200赫茲的聲音，只考慮2000赫茲的這個聲音，因而依然能聽出2000赫茲這個聲音。

另外，在有噪音的環境中，響度太小的聲音太容易受到干擾，因此在有噪音的環境中進行語音識別時，需要忽略純語音中響度太小的聲音。