[發(fā)明專利]語(yǔ)音識(shí)別方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201611244370.5
• 申請(qǐng)日: 2016-12-29
• 公開（公告）號(hào): CN106782504B
• 公開（公告）日: 2019-01-22
• 發(fā)明（設(shè)計(jì)）人: 崔瑋瑋;孫玨
• 申請(qǐng)（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G10L15/02
• 分類號(hào): G10L15/02;G10L15/06;G10L15/16;G10L21/0208
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種用于終端設(shè)備的語(yǔ)音識(shí)別方法，其特征在于，所述終端設(shè)備安裝有傳聲器，所述方法包括：

對(duì)預(yù)先獲取的訓(xùn)練樣本進(jìn)行預(yù)處理，生成目標(biāo)訓(xùn)練樣本，其中，所述目標(biāo)訓(xùn)練樣本包括語(yǔ)音標(biāo)識(shí)；

從所述目標(biāo)訓(xùn)練樣本中提取特征向量；

基于卷積神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)和受限波爾茲曼機(jī)，將從所述目標(biāo)訓(xùn)練樣本中提取的特征向量作為輸入，所述語(yǔ)音標(biāo)識(shí)作為輸出，訓(xùn)練得到聲學(xué)模型；

響應(yīng)于檢測(cè)到所述傳聲器接收到包含干擾音信號(hào)的語(yǔ)音信號(hào)，對(duì)所述語(yǔ)音信號(hào)進(jìn)行高通濾波處理；

消除經(jīng)高通濾波處理后的語(yǔ)音信號(hào)中的干擾音信號(hào)；

對(duì)消除干擾音信號(hào)后的語(yǔ)音信號(hào)進(jìn)行自動(dòng)增益控制處理，得到目標(biāo)語(yǔ)音信號(hào)；

從所述目標(biāo)語(yǔ)音信號(hào)中提取特征向量，并將所述特征向量輸入至預(yù)先訓(xùn)練的聲學(xué)模型，得到與所述目標(biāo)語(yǔ)音信號(hào)匹配的語(yǔ)音識(shí)別結(jié)果，其中，所述聲學(xué)模型用于表征特征向量與語(yǔ)音識(shí)別結(jié)果的對(duì)應(yīng)關(guān)系；

其中，所述對(duì)預(yù)先獲取的訓(xùn)練樣本進(jìn)行預(yù)處理，包括：

對(duì)預(yù)先獲取的訓(xùn)練樣本進(jìn)行高通濾波處理；

對(duì)經(jīng)高通濾波處理后的訓(xùn)練樣本依次進(jìn)行回聲消除和噪聲抑制處理；

對(duì)經(jīng)噪聲抑制處理后的訓(xùn)練樣本進(jìn)行自動(dòng)增益控制處理，生成目標(biāo)訓(xùn)練樣本。

2.根據(jù)權(quán)利要求1所述的語(yǔ)音識(shí)別方法，其特征在于，所述終端設(shè)備還安裝有揚(yáng)聲器，所述干擾音信號(hào)由回聲信號(hào)和噪音信號(hào)組成，其中，所述回聲信號(hào)是由所述揚(yáng)聲器發(fā)送并傳送至所述傳聲器的聲音信號(hào)。

3.根據(jù)權(quán)利要求2所述的語(yǔ)音識(shí)別方法，其特征在于，所述消除經(jīng)高通濾波處理后的語(yǔ)音信號(hào)中的干擾音信號(hào)，包括：

利用時(shí)延估計(jì)算法對(duì)經(jīng)高通濾波處理后的語(yǔ)音信號(hào)進(jìn)行自適應(yīng)濾波處理，消除回聲信號(hào)；

利用噪聲抑制算法消除經(jīng)自適應(yīng)濾波處理后的語(yǔ)音信號(hào)中的噪音信號(hào)。

4.根據(jù)權(quán)利要求1所述的語(yǔ)音識(shí)別方法，其特征在于，所述響應(yīng)于確定所述傳聲器接收到語(yǔ)音信號(hào)之前，所述方法還包括：

利用聚類算法對(duì)所述聲學(xué)模型輸出的語(yǔ)音標(biāo)識(shí)進(jìn)行聚類，將聚類后的語(yǔ)音標(biāo)識(shí)確定為與所述訓(xùn)練樣本匹配的語(yǔ)音識(shí)別結(jié)果。

5.一種用于終端設(shè)備的語(yǔ)音識(shí)別裝置，其特征在于，所述終端設(shè)備安裝有傳聲器，所述裝置包括：

預(yù)處理單元，配置用于對(duì)預(yù)先獲取的訓(xùn)練樣本進(jìn)行預(yù)處理，生成目標(biāo)訓(xùn)練樣本，其中，所述目標(biāo)訓(xùn)練樣本包括語(yǔ)音標(biāo)識(shí)；

提取單元，配置用于從所述目標(biāo)訓(xùn)練樣本中提取特征向量；

訓(xùn)練單元，配置用于基于卷積神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)和受限波爾茲曼機(jī)，將從所述目標(biāo)訓(xùn)練樣本中提取的特征向量作為輸入，所述語(yǔ)音標(biāo)識(shí)作為輸出，訓(xùn)練得到聲學(xué)模型；

第一處理單元，配置用于響應(yīng)于檢測(cè)到所述傳聲器接收到包含干擾音信號(hào)的語(yǔ)音信號(hào)，對(duì)所述語(yǔ)音信號(hào)進(jìn)行高通濾波處理；

消除單元，配置用于消除經(jīng)高通濾波處理后的語(yǔ)音信號(hào)中的干擾音信號(hào)；

第二處理單元，配置用于對(duì)消除干擾音信號(hào)后的語(yǔ)音信號(hào)進(jìn)行自動(dòng)增益控制處理，得到目標(biāo)語(yǔ)音信號(hào)；

輸入單元，配置用于從所述目標(biāo)語(yǔ)音信號(hào)中提取特征向量，并將所述特征向量輸入至預(yù)先訓(xùn)練的聲學(xué)模型，得到與所述目標(biāo)語(yǔ)音信號(hào)匹配的語(yǔ)音識(shí)別結(jié)果，其中，所述聲學(xué)模型用于表征特征向量與語(yǔ)音識(shí)別結(jié)果的對(duì)應(yīng)關(guān)系；

其中，所述預(yù)處理單元包括：

第一處理模塊，配置用于對(duì)預(yù)先獲取的訓(xùn)練樣本進(jìn)行高通濾波處理；

第二處理模塊，配置用于對(duì)經(jīng)高通濾波處理后的訓(xùn)練樣本依次進(jìn)行回聲消除和噪聲抑制處理；

第三處理模塊，配置用于對(duì)經(jīng)噪聲抑制處理后的訓(xùn)練樣本進(jìn)行自動(dòng)增益控制處理，生成目標(biāo)訓(xùn)練樣本。

6.根據(jù)權(quán)利要求5所述的語(yǔ)音識(shí)別裝置，其特征在于，所述終端設(shè)備還安裝有揚(yáng)聲器，所述干擾音信號(hào)由回聲信號(hào)和噪音信號(hào)組成，其中，所述回聲信號(hào)是由所述揚(yáng)聲器發(fā)送并傳送至所述傳聲器的聲音信號(hào)。