[發明專利]一種基于改進MFCC系數的語音喚醒方法及系統

在審

• 申請號: 202010748944.2
• 申請日: 2020-07-30
• 公開（公告）號: CN111862978A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 李郡;付冠宇;鄒萬冰;詹毅;王曉琴;喬樹山;周玉梅
• 申請（專利權）人: 中科院微電子研究所南京智能技術研究院
• 主分類號: G10L15/22
• 分類號: G10L15/22;G10L15/16;G10L19/02;G10L19/26;G10L25/24
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

本發明涉及一種基于改進MFCC系數的語音喚醒方法及系統，所述方法包括：獲取連續的語音信號；對所述語音信號進行預加重；對預加重后的語音信號加入帶有代表能量信息的MFCC第0個系數，得到FBE?MFCC；將由FBE?MFCC特征值組成的矩陣輸入到DSCNN網絡通過卷積核進行卷積，得到語音喚醒識別率。本發明中的基于改進MFCC系數的算法與深度可分離卷積神經網絡DSCNN的硬件結構電路相結合，對一個詞或者兩個詞來進行語音喚醒的檢測。與傳統的MFCC計算(不考慮第0系數)相比較，系統對于一個詞/兩個詞的準確識別率大大提高。

技術領域

本發明涉及語音喚醒領域，特別是涉及一種基于改進MFCC系數的語音喚醒方法及系統。

背景技術

MFCC電路用于語音系統中進行語音特征提取。通常，傳統的MFCC計算不考慮第0系數，因為它被認為有些不可靠。傳統MFCC計算過程中只保留DCT變換后的去除MFCC(0)的前13個系數。實際上第0個系數可以看作是被分析信號中每個頻帶的平均能量的集合。在倒譜的基礎上加入能量信息作為模型特征可以提高系統性能。

MFCC(0)即頻帶能量(FBE)信息，無論語音環境是高質量的還是不利的，都有必要將其包含在MFCC中，稱之為FBE-MFCC，以區別于傳統的MFCC。考慮濾波器是否重疊會有很大的區別，重疊濾波器總是能達到較高的命中率。

我們將基于改進MFCC系數的算法與深度可分離卷積神經網絡(DSCNN)的硬件結構電路相結合，然后對一個詞或者兩個詞來進行語音喚醒的檢測。與傳統的MFCC計算(不考慮第0系數)相比較，系統對于一個詞/兩個詞的準確識別率有所提高。

發明內容

本發明的目的是提供一種基于改進MFCC系數的語音喚醒方法及系統，能夠提高詞的識別率，降低誤檢率。

為實現上述目的，本發明提供了如下方案：

一種基于改進MFCC系數的語音喚醒方法，所述方法包括：

獲取連續的語音信號；

對所述語音信號進行預加重；

對預加重后的語音信號加入帶有代表能量信息的MFCC第0個系數，得到FBE-MFCC；

將由FBE-MFCC特征值組成的矩陣輸入到DSCNN網絡通過卷積核進行卷積，得到語音喚醒識別率。

可選的，對所述語音信號進行預加重具體包括：

采用高通濾波器對所述語音信號進行濾波；

對濾波后的語音信號進行分幀；

對分幀后的語音信號乘以漢明窗；

對乘以漢明窗后的語音信號通過快速傅里葉變換得到信號在頻域上的頻譜；

將所述頻譜通過Mel濾波器組得到Mel譜；

對所述Mel譜進行倒譜分析，得到Mel頻率倒譜系數MFCC。

可選的，對所述Mel譜進行倒譜分析，得到Mel頻率倒譜系數MFCC具體包括：

對Mel譜取對數，通過離散余弦DCT變換，取DCT后得到的系數作為MFCC系數。

可選的，所述DSCNN網絡包括4層，分別為Conv、DS卷積、Pooling以及FC。

本發明另外提供一種基于改進MFCC系數的語音喚醒系統，所述系統包括：

語音信號獲取模塊，用于獲取連續的語音信號；

預加重模塊，用于對所述語音信號進行預加重；