[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

本發(fā)明針對目前技術(shù)工程應(yīng)用困難和低信噪比下識別率低的問題公開了一種用于低信噪比環(huán)境下語種識別的特征融合方法，屬于語音識別領(lǐng)域。語種識別提取有效特征減少噪聲影響是識別準(zhǔn)確的關(guān)鍵。本發(fā)明主要采用音節(jié)分割、CFCC系數(shù)、主成分分析和Teager能量算子倒譜參數(shù)。本發(fā)明對全語音段進行音節(jié)分割，再對每個音節(jié)語音段提取CFCC系數(shù)；使用PCA技術(shù)對提取的CFCC系數(shù)進行主成分分析，從每個音節(jié)對應(yīng)的F幀中選取貢獻率最高的前S幀；為了提高特征的魯棒性，融合基于音節(jié)提取的Teager能量算子倒譜參數(shù)得到融合特征集。將提取的融合特征集輸入到語種識別模型中訓(xùn)練出對應(yīng)語種識別模型，把訓(xùn)練好的語種模型掛載到服務(wù)器端，再通過客戶端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)練好的語種模型進行打分判決，最后輸出識別結(jié)果返回客戶端。經(jīng)過測試，本文方法可以提高語種識別在低信噪比環(huán)境下準(zhǔn)確率，且運行速度快，計算量少。

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于低信噪比環(huán)境下語種識別的特征融合方法，屬于語音識別領(lǐng)域。

背景技術(shù)

隨著全球化和人類命運共同體穩(wěn)步前進的形式下，語種識別問題也逐漸得到重視。不同國家人民之間的交流問題是全球化發(fā)展的一大阻礙，人們已經(jīng)不能滿足于僅僅通過鍵盤和顯示器與智能設(shè)備進行信息交互，而是迫切需要以一種更自然、更能為多數(shù)人所接受的方式與智能設(shè)備進行溝通交流，讓計算機能聽懂人話，或是用語音來控制各種智能設(shè)備。使用人類交換信息最直接最方便的語言來與計算機通信，一直以來都是一個備受關(guān)注同時也極具挑戰(zhàn)的研究課題。隨著社會的快速發(fā)展，越來越多的專家開始研究多語種的理解系統(tǒng)以及語音識別等問題，其中，語種識別問題也得到了高度重視。目前，語種識別技術(shù)已大量運用在軍事安全及多語種信息服務(wù)領(lǐng)域。當(dāng)前語種識別技術(shù)對無噪語種識別的準(zhǔn)確率已經(jīng)足夠好，但低信噪比下語種的識別率還需要提升。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于提高低信噪比下語種識別的準(zhǔn)確性和魯棒性。本發(fā)明在特征提取前端引入音節(jié)分割，然后分別提取每個音節(jié)的GTCC特征參數(shù)，再利用PCA技術(shù)對提取特征進行降維優(yōu)化為了提高特征的魯棒性，將每個音節(jié)提取的Teager能量算子倒譜參數(shù)(s-TEOCC)的和s-GTCC+PCA融合，從而獲得最優(yōu)特征集S-EGTCC，最后采用語種識別系統(tǒng)進行模型訓(xùn)練，將訓(xùn)練好的模型掛載到服務(wù)器上，通過客戶端和服務(wù)器結(jié)合形成一個完整的語種識別系統(tǒng)。為了解決以上技術(shù)問題，本發(fā)明采用如下技術(shù)方案：一種用于低信噪比環(huán)境下的語種識別特征融合方法。該方法包括以下步驟：

S1、基于音節(jié)分割后的GFCC特征提取

其步驟包括音節(jié)分割、Gammatone濾波、分幀加窗、計算短時對數(shù)能量、計算DCT倒譜、s-GFCC特征提取。

S1.1、音節(jié)分割

音節(jié)分割后能有效的去掉背景噪聲部分，也最大程度上減少噪聲特征的影響。對全語音段進行音節(jié)切割后可以獲取多個音節(jié)段的起始點和終點從而得到每個音節(jié)的時間長度形成音節(jié)語音段：

其中j表示第j個音節(jié)，V是音節(jié)個數(shù)，對x^(j)(t)采樣后得到對應(yīng)音節(jié)j上的離散時間信號x^(j)(n)，n為采樣點序列。

S1.2、Gammatone濾波

音節(jié)語音段x^(j)(n)通過濾波器濾波，在時域等同于x^(j)(n)與濾波器g⁽ⁱ⁾(t)卷積：

y^(i,j)(n)＝x^(j)(n)*g⁽ⁱ⁾(t),0＜i≤N (2)

其中，y^(i,j)(n)為濾波后的信號，i是指第i個Gammatone濾波器(共有N個)。