[發(fā)明專利]語音處理方法及裝置

有效

• 申請?zhí)枺?/td>: 201710578504.5
• 申請日: 2017-07-14
• 公開（公告）號: CN107393550B
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計）人: 蔡鋼林
• 申請（專利權(quán)）人: 深圳永順智信息科技有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232;G10L21/0208;G10L25/21;G10L15/20
• 代理公司: 深圳市明日今典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝

本發(fā)明提出的一種語音處理方法及裝置，其方法如下：首先將聲音信號轉(zhuǎn)化成頻域信號，通過計算頻域信號的信噪比獲得噪音功率譜的自適應(yīng)更新步長，根據(jù)步長更新噪音功率譜密度；然后檢測聲音信號中是否存在語音活動，在存在語音活動的情況下，使用自適應(yīng)Kalman濾波處理頻域信號，獲得混響功率譜密度；在確定噪音功率譜密度和混響功率譜密度之后，計算優(yōu)化估算語音頻譜，最后將優(yōu)化估算語音頻譜經(jīng)傅里葉逆變換，還原出優(yōu)化后的聲音信號。本發(fā)明能有效地優(yōu)化遠(yuǎn)講情況下采集的聲音信號質(zhì)量，提高語音識別的識別率。

技術(shù)領(lǐng)域

本發(fā)明涉及到語音識別領(lǐng)域，特別是涉及到一種語音處理方法及裝置。

背景技術(shù)

近年來隨著互聯(lián)網(wǎng)技術(shù)、智能硬件的蓬勃發(fā)展，語音識別、聲紋識別、聲源檢測等語音智能交互技術(shù)開始從實(shí)驗室走向用戶。由于語音識別技術(shù)是基于語音的人機(jī)交互系統(tǒng)最核心的技術(shù)。目前在限定條件下識別率已經(jīng)達(dá)到可用的準(zhǔn)確率。所謂限定調(diào)節(jié)通常是指用戶距離麥克風(fēng)較近，噪聲干擾較小。而必須近距離發(fā)出語音指令這一條件限制了語音交互的便捷性。

在遠(yuǎn)講情況下，由于語音能量會快速衰減，而噪音干擾能量大致不變，會使得識別率迅速下降。另外一個影響識別準(zhǔn)確率的因素是，語音指令到達(dá)房間墻壁多次反射之后的混響，也會造成實(shí)際應(yīng)用與語音識別訓(xùn)練數(shù)據(jù)集的不匹配，影響識別率。

噪音主要有兩個來源：(1)麥克風(fēng)信號采集系統(tǒng)自帶的信道噪聲，信道噪聲因麥克風(fēng)的敏感性而不同，麥克風(fēng)敏感性越高，通常信道噪聲越高；(2)不可忽略的環(huán)境噪聲干擾，比如電視機(jī)、空調(diào)噪聲等等。相比于噪聲，混響由于產(chǎn)生條件更為復(fù)雜，更難抑制。并且，噪音和混響一般同時存在，使得混響抑制更加困難。

CN201010224307.1公開了一種語音增強(qiáng)的方法，該方法包括如下步驟：利用判斷器判斷當(dāng)前幀是否為純噪音，如果當(dāng)前幀是純噪音且該當(dāng)前幀的前若干幀均為純噪音，利用改進(jìn)譜減法的語音增強(qiáng)算法改進(jìn)頻域信號，反之語音生成模型的增強(qiáng)算法改進(jìn)頻域信號；將處理后的頻域信號變換到時間域，進(jìn)行去加重處理并得到輸出信號。該發(fā)明的語音增強(qiáng)的方法，大大提高了對殘余噪聲的衰減，保證了語音可懂度。

然而，該方法解決的是高噪音背景下的除噪問題，并不適用于室內(nèi)環(huán)境遠(yuǎn)講情形下的除噪問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的為提供一種語音處理方法及裝置，在遠(yuǎn)講情況下，提高室內(nèi)采集聲音信號的質(zhì)量。

本發(fā)明提出一種語音處理方法，包括以下步驟：

將聲音信號從時域變換到頻域，獲得頻域信號，計算所述頻域信號的觀測信號功率譜密度，并根據(jù)所述觀測信號功率譜密度估算噪音功率譜密度；

在判斷出所述聲音信號存在語音活動時，使用自適應(yīng)Kalman濾波處理所述頻域信號，獲得混響功率譜密度；

根據(jù)所述噪音功率譜密度、混響功率譜密度、觀測信號功率譜密度計算去除噪音和混響的頻域信號，記為優(yōu)化估算語音頻譜；

使用逆傅里葉變換將所述優(yōu)化估算語音頻譜從頻域恢復(fù)為時域，獲得優(yōu)化后的聲音信號。

優(yōu)選地，所述估算噪音功率譜密度的步驟，包括：

假定前L_I時間幀沒有語音活動，初始化噪音功率譜密度、估算語音頻譜、觀測信號功率譜密度、先驗信噪比、后驗信噪比；

從第L_I+1時間幀開始做迭代計算，更新觀測信號功率譜密度，具體為：

Φ_Y(k)＝αΦ′_Y(k)+(1-α)|Y(l，k)|²

其中，α為第一平滑因子，Φ_Y(k)為觀測信號功率譜密度，Φ′_Y(k)為前一幀的觀測信號功率譜密度，Y(l，k)為所述頻域信號；