[發(fā)明專利]一種用于低信噪比環(huán)境下的語種識別特征融合方法

在審

• 申請?zhí)枺?/td>: 202011154249.X
• 申請日: 2020-10-26
• 公開（公告）號: CN112331178A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 邵玉斌;劉晶;龍華;杜慶治;李一民;楊貴安;唐維康;陳亮
• 申請（專利權(quán)）人: 昆明理工大學(xué)
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/02
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司 11385
• 代理人: 王月松

1.一種用于低信噪比環(huán)境下語種識別的特征融合方法，其特征在于：

S1、音節(jié)端點檢測：根據(jù)能零比和峰谷點進(jìn)行音節(jié)端點檢測；

S2、音節(jié)分割：根據(jù)檢測的端點對全語音點進(jìn)行音節(jié)分割，得到若干音節(jié)語音段；

S3、音節(jié)的GFCC系數(shù)提取：對每個音節(jié)進(jìn)行GFCC系數(shù)提取；

S4、音節(jié)的Teager能量算子倒譜參數(shù)提取：對每個音節(jié)進(jìn)行Teager能量算子倒譜參數(shù)提取；

S5、特征融合：對提取的音節(jié)GFCC進(jìn)行主成分分析后融合提取的音節(jié)Teager能量算子倒譜參數(shù)；

S6、訓(xùn)練特征模型：提取的融合特征集輸入到語種識別模型訓(xùn)練，生成對應(yīng)的語種識別模型；

S7、語種識別：將最優(yōu)的訓(xùn)練模型掛載到服務(wù)器上，采集要識別的語音輸入到服務(wù)器，提取融合特征并與訓(xùn)練好的語種模型進(jìn)行打分判決，最后輸出識別結(jié)果返回客戶端。

2.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：根據(jù)能零比和峰谷點進(jìn)行音節(jié)端點檢測，求取音節(jié)的起始點和終點。

3.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：音節(jié)分割：根據(jù)檢測的端點對全語音點進(jìn)行音節(jié)分割，從而得到每個音節(jié)的時間長度形成音節(jié)語音段。

4.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：音節(jié)的GFCC系數(shù)提取：對每個音節(jié)進(jìn)行GFCC系數(shù)提取。

5.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：音節(jié)的Teager能量算子倒譜參數(shù)提取：對每個音節(jié)進(jìn)行Teager能量算子倒譜參數(shù)提取。

6.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：特征融合：對提取的音節(jié)GFCC系數(shù)進(jìn)行主成分分析后融合提取的音節(jié)Teager能量算子倒譜參數(shù)。

7.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：訓(xùn)練特征模型：提取的融合特征集輸入到語種識別模型訓(xùn)練，生成對應(yīng)的語種識別模型。

8.根據(jù)權(quán)利要求1所述的一種用于低信噪比環(huán)境下語種識別的特征融合法，其特征在于：語種識別：將最優(yōu)的訓(xùn)練模型掛載到服務(wù)器上，采集要識別的語音輸入到服務(wù)器，提取融合特征并與訓(xùn)練好的語種模型進(jìn)行打分判決，最后輸出識別結(jié)果返回客戶端。