[發明專利]用于分類的聯合統計模型的建立方法及應用方法

有效

• 申請號: 201910296427.3
• 申請日: 2016-01-14
• 公開（公告）號: CN110070880B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 張軍;陳鑫源;潘偉鏘;寧更新;馮義志;余華;季飛;陳芳炯
• 申請（專利權）人: 深圳市韶音科技有限公司
• 主分類號: G10L21/02
• 分類號: G10L21/02;G10L21/038;G10L25/24;G10L25/30;G10L25/87;G10L15/06;G10L15/16
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 李慶波

1.一種用于分類的聯合統計模型的建立方法，其特征在于，所述方法包括以下步驟：

同步采集干凈的氣導訓練語音和非氣導訓練語音并進行分幀，提取每幀語音的特征參數；

將所述氣導訓練語音和非氣導訓練語音的特征參數拼接得到干凈的聯合語音特征參數；

利用所述聯合語音特征參數，訓練用于分類的聯合統計模型；

計算對應于每個分類的氣導語音線性頻譜統計模型；

利用同步采集的所述氣導訓練語音和所述非氣導訓練語音，建立非氣導語音到氣導語音的映射模型；

同步采集氣導檢測語音和非氣導檢測語音，檢測氣導檢測語音的端點，然后利用氣導檢測語音的純噪聲段建立氣導噪聲統計模型；

利用所述氣導噪聲統計模型修正所述聯合統計模型，并對氣導檢測語音幀進行分類，然后根據分類結果對應的氣導語音線性頻譜統計模型和氣導噪聲統計模型計算最佳氣導語音濾波器，并對氣導檢測語音進行濾波增強后得到濾波增強語音；

根據所述非氣導語音到氣導語音的映射模型，將非氣導檢測語音轉換為氣導的映射語音；

將所述氣導的映射語音與所述濾波增強語音進行加權融合，得到融合增強后的語音。

2.根據權利要求1所述的方法，其特征在于，所述將所述氣導訓練語音和非氣導訓練語音的特征參數拼接得到干凈的聯合語音特征參數的步驟包括：

將氣導訓練語音的倒譜域特征矢量序列記為；

將非氣導訓練語音的倒譜域特征矢量序列記為；

將第l幀氣導訓練語音和第l幀非氣導訓練語音的倒譜域特征矢量進行拼接，得到第l幀倒譜域聯合特征矢量為；

其中，為語音數據幀數，為第幀氣導訓練語音的特征矢量的列向量，為第幀非氣導訓練語音的特征矢量的列向量。

3.根據權利要求1所述的方法，其特征在于，所述聯合統計模型為倒譜域聯合統計模型；

所述利用所述聯合語音特征參數，訓練用于分類的聯合統計模型的步驟包括：

利用最大期望算法求出使得所述倒譜域聯合統計模型的似然函數最大的模型參數集。

4.根據權利要求3所述的方法，其特征在于，所述計算對應于每個分類的氣導語音線性頻譜統計模型的步驟包括：

對所有用于訓練的聯合語音幀進行分類，計算屬于每個分類的所有聯合語音幀中氣導語音線性頻譜的統計參數，建立與每個分類相對應的氣導語音線性頻譜統計模型。

5.根據權利要求1所述的方法，其特征在于，所述聯合統計模型為倒譜域聯合統計模型；

所述計算對應于每個分類的氣導語音線性頻譜統計模型的步驟包括：

計算每一幀倒譜域聯合特征矢量屬于所述倒譜域聯合統計模型各分類的概率，記下最大概率所對應的模型混合分量；

完成所有倒譜域聯合語音幀的分類后，計算聚集在同一分類上的所有聯合語音幀中氣導語音的頻譜均值，作為與所述倒譜域聯合統計模型相對應的氣導語音線性頻譜統計模型參數。

6.根據權利要求1所述的方法，其特征在于，所述氣導訓練語音和非氣導訓練語音的特征參數為梅爾頻率倒譜系數、線性預測倒譜系數或線譜頻率；

所述用于分類的聯合統計模型為多數據流混合高斯模型或多數據流隱馬爾可夫模型；

所述對應于每個分類的氣導語音線性頻譜統計模型表示為氣導語音線性頻譜的均值。

7.根據權利要求1所述的方法，其特征在于，通過以下步驟對所述聯合統計模型進行修正：

將聯合統計模型的參數轉換到線性頻譜域；

按氣導干凈語音和氣導噪聲在線性頻譜域是加性關系對聯合統計模型中的氣導語音數據流參數進行修正；

將修正后的線性頻譜域聯合統計模型參數轉換回原來的特征域，得到修正后的聯合統計模型；

其中，上述聯合統計模型中的所述氣導語音數據流參數為混合高斯模型或隱馬爾科夫模型中高斯分量的均值和協方差。