[發明專利]一種復雜環境下語音特征映射方法

有效

• 申請號: 201710151497.0
• 申請日: 2017-03-14
• 公開（公告）號: CN106782520B
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 王志鋒;郭天學;左明章;田元;姚璜
• 申請（專利權）人: 華中師范大學
• 主分類號: G10L15/20
• 分類號: G10L15/20;G10L15/02;G10L15/14;G10L17/02;G10L17/06
• 代理公司: 42222 武漢科皓知識產權代理事務所(特殊普通合伙)
• 代理人: 魏波<國際申請>=<國際公布>=<進入國

1.一種復雜環境下語音特征映射方法，其特征在于，包括以下步驟：

步驟1：提取干凈環境下的語音信號的特征；

步驟1的具體實現包括以下子步驟：

步驟1.1：對干凈環境下得到的語音信號進行預處理，包括預加重、分幀、加窗；

步驟1.2：將步驟1.1中預處理后的信號提取Mel倒譜系數特征；

步驟1.3：使用混合高斯模型對步驟1.2中得到的特征建立統計模型，得到干凈環境下語音信號的模型Λ；

步驟2：對復雜環境下的語音進行特征提取；

步驟2的具體實現包括以下子步驟：

步驟2.1：對復雜環境下得到的語音信號進行預處理，包括預加重、分幀、加窗；

步驟2.2：將步驟2.1中預處理后的信號提取Mel倒譜系數特征，記為Y＝[y₁,y₂,...,y_i,...,y_n]，y_i表示復雜環境下第i幀的語音特征；

步驟3：利用特征映射方法對復雜環境下的語音特征進行映射；

驟3的具體實現包括以下子步驟：

步驟3.1：將特征的每一幀y_i都進行映射，映射形式為：

x_i＝A·y_i+B，簡記為：x_i＝F(y_i)；

其中y_i為復雜環境下語音特征的第i幀語音特征，x_i為通過特征映射函數后得到的第i幀特征，A為增益矩陣，B為偏移矩陣；

A為d行d列的對角矩陣，B為d行1列的矩陣；d為幀長，在分幀的步驟中設置；

步驟3.2：根據最大似然函數和已知模型Λ對F進行參數估計：

其中Λ為步驟1.3中訓練的干凈語音模型；

步驟3.3：根據當前F^t的參數來構造輔助函數計算新的F的參數：

其中，F^t為當前幀的映射函數，F為新的一幀的映射函數；θ表示語音信號狀態序列，X表示語音信號特征，C表示所處高斯分量，m表示混合高斯模型的高斯數，n表示語音信號的幀數；

p(C_j|Λ)＝ω_j

其中，ω_j表示第j個高斯的權重，μ_j和Σ_j分別為第j個高斯分量的均值和方差，為方便記為：

步驟3.4：由步驟3.3可得到輔助函數為：

對各項展開可得：

其中μ_j,k，δ_j,k分別表示F的第k個參數的第j個高斯的均值和標準差，y_i,k表示映射前的第i幀語音特征的第k個矢量，a_k，b_k分別為F中增益矩陣a和偏移矩陣b的第k個參數；

步驟3.5：對步驟3.4中的展開式分別求F關于a_k，b_k的偏導數：

將以上兩式展開可得：

步驟3.6：為方便計算，分別將以下統計量替代步驟3.5中的統計量：

則步驟3.5中的方程式可寫為：

解上述方程組得：

步驟3.7：將解得的A，B代入步驟3.1中即可求得經過映射后的語音信號特征X，視為干凈環境下的語音特征；

步驟4：模式匹配與識別。

2.根據權利要求1所述的復雜環境下語音特征映射方法，其特征在于：干凈環境下的語音幀數和復雜環境下的語音幀數保持一致。

3.根據權利要求1或2所述的復雜環境下語音特征映射方法，其特征在于：步驟4中，當得到復雜環境下通過特征映射之后的特征后，對得到的特征建立統計模型，采用HMM-GMM模型，然后進行模型匹配，進行語音識別/說話人識別。