一种语音识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111862962A(43)申请公布日2020.10.30(21)申请号202010696240.5(22)申请日2020.07.20(71)申请人汪秀英地址410205湖南省长沙市高新开发区麓谷大道662号软件中心大楼308号(72)发明人汪秀英(74)专利代理机构长沙正务联合知识产权代理事务所(普通合伙)43252代理人郑隽吴婷(51)Int.Cl.G10L15/20(2006.01)G10L21/0208(2013.01)G10L21/0272(2013.01)G10L15/02(2006.01)G10L15/06(2013.01)权利要求书6页说明书15页附图2页(54)发明名称一种语音识别方法及系统(57)摘要本发明涉及一种语音识别的技术领域，揭露了一种语音识别方法，包括：获取待识别语音信号，并计算待识别语音信号的能量密度谱；将能量密度谱进行伪彩色映射，得到待识别语音信号的彩色语谱图；利用自适应的时域滤波器对彩色语谱图中的语音信号进行回声消除；利用盲源分离算法估计待识别语音中目标语音信号的mask值；利用基于mask值的多通道增强算法对目标语音信号进行增强；利用预训练的DFSMN‑CTC模型对语音信号进行识别，得到语音识别结果。本发明还提出一种语音识别系统。本发明实现了语音的识别。CN111862962ACN111862962A权利要求书1/6页1.一种语音识别方法，其特征在于，所述方法包括：获取待识别语音信号，并计算待识别语音信号的能量密度谱；将能量密度谱进行伪彩色映射，得到待识别语音信号的彩色语谱图；利用自适应的时域滤波器对彩色语谱图中的语音信号进行回声消除；利用盲源分离算法估计待识别语音中目标语音信号的mask值；利用基于mask值的多通道增强算法对目标语音信号进行增强；利用预训练的DFSMN-CTC模型对语音信号进行识别，得到语音识别结果。2.如权利要求1所述的一种语音识别方法，其特征在于，所述计算待识别语音信号的能量密度谱，包括：1)对待识别语音信号进行短时傅里叶变换：其中：x(n)为待识别语音的离散时域采样信号，n＝0，1，...，N-1，n为时域采样点信号，N为语音信号的长度；Xn(m)为待识别语音离散时域采样信号的短时傅里叶变换结果；m为帧同步的时间信号，m＝0，1，...，M-1，M为帧长；ω为窗序列；2)采用离散傅里叶变换DFT得：其中：0≤k≤N-1，k为待识别语音的离散时域采样信号的幅度值；X(n，k)为待识别语音的离散时域采样信号的短时幅度谱估计；Xn(m)为待识别语音离散时域采样信号的短时傅里叶变换结果；m为帧同步信号，m＝0，1，...，M-1，M为帧长；N为语音信号的长度；3)计算时间m处的频谱能量密度函数：P(n，k)＝|X(n，k)|2＝(X(n，k))×(conj(X(n，k)))其中：X(n，k)为待识别语音的离散时域采样信号的短时幅度谱估计；n为时域采样点信号；k为待识别语音的离散时域采样信号的幅度值；conj(·)函数用于计算复数的共轭值；P(n，k)为信号x(n)的短时自相关函数的傅里叶变换，是二维的非负实值函数；用时间n作为横坐标，k作为纵坐标，将P(n，k)的值表示为灰度级所构成的二维图像就是能量密度谱；通过变换101gP(n，k)得到语谱图的dB表示。2CN111862962A权利要求书2/6页3.如权利要求2所述的一种语音识别方法，其特征在于，所述将能量密度谱进行伪彩色映射，包括：1)将P(n，k)的最大值Pmax(n，k)映射为归一化1电平，将最小值Pmin(n，k)映射为归一化0电平；2)将P(n，k)线性映射为0～1间的电平Li，计算机监视器根据Li的值将能量密度谱以伪彩色模式显示出来；3)选择基准电平值Base，将小于Base的值限定在此基准电平上，将大于Base的值线性映射到0～1的归一化彩色值，则彩色矩阵值L＝{l(n，k)}的数学表示为：其中：Base为基准电平值，本发明将其设为0；n为时域采样点信号；k为待识别语音的离散时域采样信号的幅度值；P(n，k)为信号x(n)的短时自相关函数的傅里叶变换，是二维的非负实值函数。4.如权利要求3所述的一种语音识别方法，其特征在于，所述自适应的时域滤波器为：所述时域滤波器的结构为频域分块自适应滤波器的结构，时域滤波器的系数向量可表TT示为w(n)＝[w0(n)，...，wM-1(n)]，时域滤波器的误差向量为e(n)＝[e(n)，...e(n+M-1)]，时域滤波器的滤波器系数W(k)和误差信号向量E(k)分别为：TTW(k)＝[w0(k)，...，w2M-1(k)]＝F[w(kM)0...0]E(k)＝F[0...0e(kM)]T其