基于伽马通缩放基向量的噪声鲁棒声学特征提取方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115662408A(43)申请公布日2023.01.31(21)申请号202211144894.2G10L25/24(2013.01)(22)申请日2022.09.20(71)申请人中国电子科技集团公司信息科学研究院地址100041北京市石景山区实兴大街金府路30号院4号楼申请人中国电子科技集团公司第三研究所(72)发明人马宇飞王子玮张峰陈骁陈龙张晓灿(74)专利代理机构工业和信息化部电子专利中心11010专利代理师杨源鑫(51)Int.Cl.G10L15/20(2006.01)G10L15/02(2006.01)权利要求书2页说明书7页附图1页(54)发明名称基于伽马通缩放基向量的噪声鲁棒声学特征提取方法(57)摘要本发明公开了一种基于伽马通缩放基向量的噪声鲁棒声学特征提取方法。基于伽马通缩放基向量的噪声鲁棒声学特征提取方法包括：对语音信号进行预加重处理；对完成预加重处理的语音信号进行分帧处理；对完成分帧处理的语音信号进行傅里叶变换；根据伽马通滤波器组的频谱分布特点计算缩放系数，并基于缩放系数优化基向量；对完成傅里叶变换的语音信号和优化后的基向量进行离散余弦变换，以从语音信号中提取噪声鲁棒声学特征。采用本发明，基于伽马通滤波器组的频域分布特点，求取缩放系数，将其直接应用于生成声学特征的基向量，最大程度地保留了语音信号的原有细节，保证了声学特征在噪声信号干扰下的信息携带量，可有效提升语音识别效果。CN115662408ACN115662408A权利要求书1/2页1.一种基于伽马通缩放基向量的噪声鲁棒声学特征提取方法，其特征在于，包括：对语音信号进行预加重处理；对完成预加重处理的语音信号进行分帧处理；对完成分帧处理的语音信号进行傅里叶变换；根据伽马通滤波器组的频谱分布特点计算缩放系数，并基于所述缩放系数优化基向量；对完成傅里叶变换的语音信号和优化后的基向量进行离散余弦变换，以从所述语音信号中提取噪声鲁棒声学特征。2.如权利要求1所述的方法，其特征在于，所述对完成预加重处理的语音信号进行分帧处理，包括：设定分帧参数为：分帧间隔为2毫秒、单位帧长为50毫秒；基于设定的分帧参数，对完成预加重处理的语音信号进行分帧处理。3.如权利要求1或2所述的方法，其特征在于，所述根据伽马通滤波器组的频谱分布特点计算缩放系数，包括：根据伽马通滤波器组的非线性特征，计算缩放系数A(k)：其中，c表示比例系数，m表示第m阶滤波器，M表示滤波器总阶数，！表示阶乘，b表示时间衰减系数，i表示第i帧，k表示第k个FFT点，k0(m)表示第m阶滤波器的中心频率，φ表示滤波器相位。4.如权利要求3所述的方法，其特征在于，所述对完成傅里叶变换的语音信号和优化后的基向量进行离散余弦变换，以从所述语音信号中提取噪声鲁棒声学特征，包括：计算完成傅里叶变换的语音信号的第i帧第k个FFT点提取的噪声鲁棒声学特征F(i,k)：其中，E(i,k)表示完成傅里叶变换的语音信号的第i帧第k个FFT点处语音信号能量，N表示FFT总点数，表示半余弦基向量。5.如权利要求3所述的方法，其特征在于，所述第m阶滤波器的中心频率k0(m)的计算公式为：其中，freqhigh表示语音信号在傅里叶变换时的频域上限，freqlow表示语音信号在傅里叶变换时的频域下限。6.如权利要求3所述的方法，其特征在于，所述c的取值为4，所述b满足：所述φ的取值为1。2CN115662408A权利要求书2/2页7.如权利要求1所述的方法，其特征在于，所述对语音信号进行预加重处理，包括：采用FIR高通数字滤波器对语音信号进行预加重处理。8.一种语音识别方法，其特征在于，包括：采用如权利要求1‑7中任一项所述的基于伽马通缩放基向量的噪声鲁棒声学特征提取方法，从语音信号中提取噪声鲁棒声学特征；基于所述噪声鲁棒声学特征，对所述语音信号进行识别。9.一种语音识别系统，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求8所述的语音识别方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求8所述的语音识别方法的步骤。3CN115662408A说明书1/7页基于伽马通缩放基向量的噪声鲁棒声学特征提取方法技术领域[0001]本发明涉及语音识别技术领域，尤其涉及一种基于伽马通缩放基向量的噪声鲁棒声学特征提取方法。背景技术[0002]语音识别技术在当今社会中得到了广泛的应用，如：移动终端中的智能语音搜索服务、以语音控制为基础的智能家居操控、会议系统的智能转写功能等。然而，如何在噪声干扰环境中仍然保持智能语