[發明專利]基于感知譜收斂率的語音識別方法

有效

• 申請號: 202110071190.6
• 申請日: 2021-01-19
• 公開（公告）號: CN112863517B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 陶智;周長偉;吳迪;伍遠博;范子琦
• 申請（專利權）人: 蘇州大學
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/08;G10L15/06;G10L15/04;G10L25/24
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 許燕萍

1.一種基于感知譜收斂率的語音識別方法，其特征在于，包括以下步驟：

對語音信號進行多頻帶劃分，得到分頻帶的語音信號；

對分頻帶語音信號分幀，對每一頻帶的每一幀語音信號作傅里葉變換，計算傅里葉變換后所有幀的頻譜圖的峰值之和和頻譜圖的動態范圍，所述頻譜圖的動態范圍為頻譜圖的峰值與谷值之差；結合頻譜圖的峰值之和和頻譜圖的動態范圍進行非線性壓縮得到語音信號的感知譜收斂率，所述感知譜收斂率GTSL的計算公式為：

將感知譜收斂率分為訓練集和測試集，使用訓練集訓練分類器得到訓練完成的分類器，將測試集輸入訓練完成的分類器進行語音識別。

2.根據權利要求1所述的基于感知譜收斂率的語音識別方法，其特征在于：所述對語音信號進行多頻帶劃分，具體為使用Gammatone濾波器對語音信號進行多頻帶劃分，得到多個頻帶的語音信號。

3.根據權利要求2所述的基于感知譜收斂率的語音識別方法，其特征在于：所述使用Gammatone濾波器對語音信號進行多頻帶劃分時，Gammatone濾波器采用等效矩形帶寬的過濾方法，Gammatone濾波器的時域表達形式為：

g_i(t)＝at^(n-1)e^-2πBtcos(2πf_it+φ)u(t)，

其中t為時間變量，Ф為濾波器初始相位，f_i為第i通道濾波器的中心頻率，a為Gammatone濾波器的幅度，B為與等效矩形帶寬有關的參數；n為濾波器階數，用于模擬人耳基底膜的濾波特性。

4.根據權利要求3所述的基于感知譜收斂率的語音識別方法，其特征在于：所述第i通道濾波器的中心頻率f_i為：其中C為與品質因子和帶寬有關的參數，f_l和f_h是濾波器的最低和最高頻率，K為濾波器的個數；

所述與等效矩形帶寬有關的參數B的計算公式為B＝b₁·ERB(f_i)，其中等效矩形帶寬ERB(f_i)的計算公式為ERB(f_i)＝24.7+0.108f_i，b₁為等效矩形帶寬增益。

5.根據權利要求1所述的基于感知譜收斂率的語音識別方法，其特征在于：所述對分頻帶語音信號分幀的方法為采用漢明窗對對分頻帶語音信號進行分幀，分幀公式為x_i(n)＝X(n)·g_i(n)→y_ij(n),j＝1,2,3…m，其中X(n)為原始語音信號，x_i(n)為第i個頻率通道的語音信號，y_ij(n)為第i個頻率通道的第j幀的語音信號。

6.根據權利要求1所述的基于感知譜收斂率的語音識別方法，其特征在于：所述傅里葉變換的公式為其中S_i為第i個頻率通道的功率譜，ω(n-k)為漢明窗函數，k為語音序列每個采樣點的索引。

7.根據權利要求6所述的基于感知譜收斂率的語音識別方法，其特征在于：所述第i個頻率通道的功率譜S_i的計算公式為其中C₁₁...C_mn為所有幀功率譜的幅度值。

8.根據權利要求1所述的基于感知譜收斂率的語音識別方法，其特征在于：所述計算傅里葉變換后所有幀的頻譜圖的峰值之和和頻譜圖的動態范圍中，頻譜圖的峰值之和E_maxi的計算公式為其中C(j,k)為第j幀語音信號功率譜的第k個幅度值。

9.根據權利要求1所述的基于感知譜收斂率的語音識別方法，其特征在于：所述計算傅里葉變換后所有幀的頻譜圖的峰值之和和頻譜圖的動態范圍中，頻譜圖的動態范圍ΔE_i的計算公式為其中C(j,k)為第j幀語音信號功率譜的第k個幅度值。