[發(fā)明專利]一種極短語音語種識別特征提取方法

在審

• 申請?zhí)枺?/td>: 202110755053.4
• 申請日: 2021-07-02
• 公開（公告）號: CN113380226A
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計）人: 劉俊南;郭鵬;江海;魏欣;齊心
• 申請（專利權(quán)）人: 因諾微科技（天津）有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/20;G10L25/03;G10L25/18
• 代理公司: 天津諾德知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 12213
• 代理人: 朱卉

一種極短語音語種識別特征提取方法，所述方法包括步驟：獲取輸入語音信號；對所述輸入語音信號進(jìn)行預(yù)處理；獲取基于線性預(yù)測系數(shù)算法；使用所述基于線性預(yù)測系數(shù)算法對所述輸入語音信號進(jìn)行特征提取。本申請針對時長1s的極短語音提取語種識別特征進(jìn)行研究，設(shè)計對極短(1s長度)語音語種識別更加魯棒的特征提取方法，該特征利用頻域線性預(yù)測系數(shù)(FDLP)方法，先使用離散余弦變換(Discrete Cosine Transform，DCT)獲得信號的頻域等價物，再在頻域等價物上利用線性預(yù)測(Linear Prediction,LP)分析計算得到語音信號的子帶包絡(luò)信號(Sub?band Envelop Signal)，然后將子帶包絡(luò)信號經(jīng)過傅里葉變換轉(zhuǎn)化為子帶包絡(luò)的頻域信號，然后計算子帶包絡(luò)幅度特征。

技術(shù)領(lǐng)域

本發(fā)明屬于語音識別技術(shù)領(lǐng)域，具體涉及一種極短語音語種識別特征提 取方法。

背景技術(shù)

語種識別是識別一個語音段中包含的語種類別的任務(wù)，語種識別一般作 為其他很多語音識別系統(tǒng)的前端處理器，例如多語種連續(xù)語音識別、語音翻 譯等。而作為這些系統(tǒng)的前端處理器，在實時性上就有更高的要求，因此提 升語種識別在短語音上的性能具有重要實用意義。

經(jīng)過多年發(fā)展，語音語種識別系統(tǒng)可用的特征從使用短時頻域特征 MFCC、FilterBank、FFT特征,轉(zhuǎn)向使用基于深度學(xué)習(xí)的DBF、PLLR等特征， 以及最近提出的可解釋的SincNet神經(jīng)網(wǎng)絡(luò)特征。這些提出的特征對于長語 音語種識別性能較好，但是由于短語音語段中提取到的特征有效數(shù)據(jù)不足、 說話人多種噪音干擾、語音信息少等問題，當(dāng)識別語音長度較短時(如3s) 準(zhǔn)確率有所下降。而當(dāng)識別語音長度極短時(如1s)，識別性能更是下降明 顯。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供了一種極短語音語種識別特征提取方法， 所述方法包括步驟：

獲取輸入語音信號；

對所述輸入語音信號進(jìn)行預(yù)處理；

獲取基于線性預(yù)測系數(shù)算法；

使用所述基于線性預(yù)測系數(shù)算法對所述輸入語音信號進(jìn)行特征提取。

優(yōu)選地，所述對所述輸入語音信號進(jìn)行預(yù)處理包括步驟：

對所述輸入語音信號進(jìn)行降噪處理；

基于信噪比SNR對所述輸入語音信號進(jìn)行靜音檢測處理；

將所述輸入語音信號分割為預(yù)設(shè)長度的有效語音。

優(yōu)選地，所述基于信噪比SNR對所述輸入語音信號進(jìn)行靜音檢測處理包 括步驟：

獲取降噪處理后的所述輸入語音信號；

去除所述輸入語音信號中的非語音段；

保留所述輸入語音信號中的有效語音段。

優(yōu)選地，所述將所述輸入語音信號分割為預(yù)設(shè)長度的有效語音包括步驟：

獲取靜音檢測處理后的有效語音段；

將所述有效語音段分割為預(yù)設(shè)長度的多段有效語音；

對每段所述有效語音進(jìn)行單獨語種識別；

將多段所述有效語音語種識別結(jié)果進(jìn)行得分融合；

判斷得分是否達(dá)到預(yù)設(shè)置信度閾值；

若是，獲取所有所述有效語音；

若否，返回所述對每段所述有效語音進(jìn)行單獨語種識別步驟。

優(yōu)選地，所述使用所述基于線性預(yù)測系數(shù)算法對所述輸入語音信號進(jìn)行 特征提取包括步驟：

獲取所述輸入語音信號中的有效語音；