[發(fā)明專利]語音識別方法及裝置在審
| 申請?zhí)枺?/td> | 201611214799.X | 申請日： | 2016-12-26 |
| 公開（公告）號： | CN106653003A | 公開（公告）日： | 2017-05-10 |
| 發(fā)明（設(shè)計）人： | 江巍 | 申請（專利權(quán)）人： | 北京云知聲信息技術(shù)有限公司 |
| 主分類號： | G10L15/02 | 分類號： | G10L15/02;G10L15/26;G10L19/02;G10L21/0232;G10L25/18;G10L25/84 |
| 代理公司： | 北京尚倫律師事務(wù)所11477 | 代理人： | 張俊國 |
| 地址： | 100191 北京市海*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 語音 識別 方法 裝置 | ||
技術(shù)領(lǐng)域
本發(fā)明涉及語音識別技術(shù)領(lǐng)域，尤其涉及一種語音識別方法及裝置。
背景技術(shù)
目前的遠場語音識別系統(tǒng)，在對語音信息進行識別之前，至進行一次降噪處理，即根據(jù)環(huán)境噪聲對接收到的帶噪語音進行降噪，然后對降噪后的語音進行內(nèi)容識別，但是，在降噪的同時，有可能損傷正常語音，導致后續(xù)識別不準確。
發(fā)明內(nèi)容
本發(fā)明實施例提供一種語音識別方法及裝置，用以實現(xiàn)提高語音識別的準確性，從而提升用戶的使用體驗。
根據(jù)本發(fā)明實施例的第一方面，提供一種語音識別方法，包括：
接收用戶輸入的帶噪聲語音信息；
將所述帶噪聲語音信息按照發(fā)音劃分成至少一個單音子，并計算得到每個單音子對應(yīng)的第一后驗概率；單音子是指如M、EI3、D、I2等，中文語音識別常使用的單音子為138個左右。
獲取當前環(huán)境噪聲，并根據(jù)所述當前環(huán)境噪聲和所述每個單音子對應(yīng)的第一后驗概率對所述帶噪聲語音信息進行降噪處理，得到降噪處理后的語音信息，以及所述語音信息在對應(yīng)的音頻頻譜的各個頻帶中正常語音與環(huán)境噪音之間的能量比；常用的語音頻帶數(shù)通常為40個。
根據(jù)所述第一后驗概率和所述正常語音與環(huán)境噪音之間的能量比，對所述降噪處理后的語音信息進行識別，得到每個三音子對應(yīng)的第二后驗概率；其中，三音子如：SIL-M-EI3、EI3-D-I4等。
根據(jù)所述第二后驗概率確定目標識別結(jié)果，并對所述目標識別結(jié)果進行解碼處理，得到對應(yīng)的文字信息。
在該實施例中，首先計算帶噪聲語音信息中每個單音子對應(yīng)的第一后驗概率，進而根據(jù)第一后驗概率和當前環(huán)境噪聲對帶噪聲語音信息進行降噪處理，得到降噪處理后的語音信息，再根據(jù)語音信息在對應(yīng)的音頻頻譜的各個頻帶中正常語音與環(huán)境噪音之間的能量比，對降噪后的語音信息進行識別，得到每個三音子對應(yīng)的第二后驗概率，這樣，根據(jù)語音信息在對應(yīng)的音頻頻譜的各個頻帶中正常語音與環(huán)境噪音之間的能量比對降噪后的語音信息進行識別可以避免損傷正常語音，從而提高語音識別的準確性。
在一個實施例中，所述對所述目標識別結(jié)果進行解碼處理，得到對應(yīng)的文字信息，包括：
通過隱馬爾可夫模型和Viterbi解碼算法對所述目標識別結(jié)果進行解碼處理得到對應(yīng)的文字信息。
在該實施例中，通過隱馬爾可夫模型和Viterbi解碼算法對所述目標識別結(jié)果進行解碼處理得到對應(yīng)的文字信息，這樣，可以進一步提高語音信息識別的準確性。
在一個實施例中，所述將所述帶噪聲語音信息按照發(fā)音劃分成至少一個單音子，并計算得到每個單音子對應(yīng)的第一后驗概率，包括：
將所述帶噪聲語音信息按照發(fā)音劃分成至少一個單音子，并通過第一深度神經(jīng)網(wǎng)絡(luò)模型計算得到所述每個單音子對應(yīng)的第一后驗概率，其中，所述第一后驗概率的計算公式為：
p(si|xt)，
其中，i＝1-138，xt表示t時刻觀測到帶噪聲語音信息的語音特征，si表示第i個單音子，p(si|xt)表示t時刻根據(jù)觀測到的所述語音特征得到的第i個單音子的第一后驗概率。
在一個實施例中，根據(jù)以下計算公式計算得到語音信息在對應(yīng)的音頻頻譜的各個頻帶中正常語音與環(huán)境噪音之間的能量比：
p(rj，si|xt)＝p(si|xt)p(rj|si，xt)
其中，i＝1～138，j＝1～40，其中，rj表示所述音頻頻譜中第j個頻帶中正常語音與環(huán)境噪音之間的能量比，xt表示t時刻觀測到帶噪聲語音信息的語音特征，si表示第i個單音子，p(si|xt)表示t時刻根據(jù)觀測到的所述語音特征得到的第i個單音子的第一后驗概率，p(rj，si|xt)表示時刻t根據(jù)觀測到的所述語音特征和第i個單音子的第一后驗概率得到的第j個頻帶中正常語音與環(huán)境噪音之間的能量比。
在一個實施例中，根據(jù)以下計算公式計算得到每個三音子對應(yīng)的第二后驗概率：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京云知聲信息技術(shù)有限公司，未經(jīng)北京云知聲信息技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201611214799.X/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
