一種基于混響的語(yǔ)音識(shí)別方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及語(yǔ)音處理技術(shù)領(lǐng)域，特別是設(shè)及一種基于混響的語(yǔ)音識(shí)別方法和一種 基于混響的語(yǔ)音識(shí)別裝置。
【背景技術(shù)】
[0002] 目前，移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展帶動(dòng)了如手機(jī)、平板電腦等移動(dòng)設(shè)備的廣泛普及，而 作為移動(dòng)設(shè)備上人機(jī)交互最方便自然的方式之一，語(yǔ)音輸入正逐漸被廣大用戶(hù)所接受。
[0003] 用戶(hù)在說(shuō)話時(shí)，環(huán)境通常比較復(fù)雜，可能由其他物體(如房間內(nèi)的墻壁等)反射用 戶(hù)的聲音，使得語(yǔ)音中包含了回聲，即俗稱(chēng)混響。
[0004] 在遠(yuǎn)場(chǎng)識(shí)別等情景下，混響往往帶來(lái)干擾，導(dǎo)致語(yǔ)音識(shí)別系統(tǒng)性能顯著下降，語(yǔ)音 識(shí)別的準(zhǔn)確率降低，當(dāng)混響嚴(yán)重時(shí)，運(yùn)些系統(tǒng)甚至無(wú)法正常發(fā)揮功能。

【發(fā)明內(nèi)容】

[0005] 鑒于上述問(wèn)題，提出了本發(fā)明W便提供一種克服上述問(wèn)題或者至少部分地解決上 述問(wèn)題的一種基于混響的語(yǔ)音識(shí)別方法和相應(yīng)的一種基于混響的語(yǔ)音識(shí)別裝置。
[0006] 依據(jù)本發(fā)明的一個(gè)方面，提供了一種基于混響的語(yǔ)音識(shí)別方法，包括：
[0007] 接收原始語(yǔ)音信號(hào)；
[000引去除所述原始語(yǔ)音信號(hào)中的混響信號(hào)，獲得特征語(yǔ)音信號(hào)；
[0009] 對(duì)所述特征語(yǔ)音信號(hào)進(jìn)行語(yǔ)音識(shí)別，獲得識(shí)別結(jié)果。
[0010] 可選地，所述去除所述原始語(yǔ)音信號(hào)中的混響信號(hào)，獲得特征語(yǔ)音信號(hào)的步驟包 括：
[0011] 將所述原始語(yǔ)音信號(hào)輸入表征聲道模型的線性預(yù)測(cè)模型、表征為待識(shí)別的特征語(yǔ) 音信號(hào)和混響信號(hào)的疊加，所述混響信號(hào)中具有待識(shí)別的線性模型系數(shù)；
[0012] 計(jì)算線性模型系數(shù)的值；
[0013] 將所述原始語(yǔ)音信號(hào)減去代入所述線性模型系數(shù)的值的混響信號(hào)，W識(shí)別出特征 語(yǔ)音信號(hào)。
[0014] 可選地，所述將所述原始語(yǔ)音信號(hào)輸入表征聲道模型的線性預(yù)測(cè)模型中的步驟包 括：
[0015] 將所述原始語(yǔ)音信號(hào)進(jìn)行短時(shí)傅里葉變換；
[0016] 將進(jìn)行短時(shí)傅里葉變換之后的原始語(yǔ)音信號(hào)輸入表征聲道模型的線性預(yù)測(cè)模型 中。
[0017] 可選地，所述計(jì)算線性模型系數(shù)的值的步驟包括：
[0018] 獲取非混響語(yǔ)音信號(hào)在目標(biāo)模型參數(shù)下的分布概率；
[0019] 采用所述分布概率和所述線性預(yù)測(cè)模型按照極大似然估計(jì)生成目標(biāo)模型；
[0020] 對(duì)所述目標(biāo)模型進(jìn)行迭代；
[0021] 判斷所述目標(biāo)模型是否迭代收斂;若是，則輸出線性模型系數(shù)的值;若否，則返回 執(zhí)行所述對(duì)所述目標(biāo)模型進(jìn)行迭代的步驟。
[0022] 可選地，非混響語(yǔ)音信號(hào)在目標(biāo)模型參數(shù)下的分布概率，由非混響語(yǔ)音信號(hào)進(jìn)行 短時(shí)傅里葉變換之后、按照時(shí)間變化的高斯分布計(jì)算。
[0023] 可選地，所述采用所述分布概率和所述線性預(yù)測(cè)模型按照極大似然估計(jì)生成目標(biāo) 模型的步驟包括：
[0024] 計(jì)算所述分布概率和所述線性預(yù)測(cè)模型的乘積；
[0025] 將所述乘積取負(fù)對(duì)數(shù)，獲得目標(biāo)模型。
[0026] 可選地，所述對(duì)所述目標(biāo)模型進(jìn)行迭代的步驟包括：
[0027] 將上一次迭代的線性模型系數(shù)代入目標(biāo)模型中；
[0028] 計(jì)算代入線性模型系數(shù)的目標(biāo)模型取最大值時(shí)的目標(biāo)模型參數(shù)；
[0029] 將計(jì)算出的目標(biāo)模型參數(shù)代入目標(biāo)模型中；
[0030] 計(jì)算代入目標(biāo)模型參數(shù)的目標(biāo)模型取取最大值時(shí)的線性模型系數(shù)。
[0031] 可選地，所述判斷所述目標(biāo)模型是否迭代收斂的步驟包括：
[0032] 計(jì)算當(dāng)前迭代的目標(biāo)模型參數(shù)與上一次迭代的目標(biāo)模型參數(shù)之間的參數(shù)差值；
[0033] 計(jì)算當(dāng)前迭代的線性模型系數(shù)與上一次迭代的線性模型系數(shù)之間的系數(shù)差值；
[0034] 判斷所述參數(shù)差值是否小于預(yù)設(shè)的參數(shù)闊值、且所述系數(shù)差值是否小于預(yù)設(shè)的系 數(shù)闊值；
[0035] 若是，則確定所述目標(biāo)模型迭代收斂；
[0036] 若否，則確定所述目標(biāo)模型迭代未收斂。
[0037] 根據(jù)本發(fā)明的另一方面，提供了一種基于混響的語(yǔ)音識(shí)別裝置，包括：
[0038] 語(yǔ)音信號(hào)接收模塊，適于接收原始語(yǔ)音信號(hào)；
[0039] 去混響模塊，適于去除所述原始語(yǔ)音信號(hào)中的混響信號(hào)，獲得特征語(yǔ)音信號(hào)；
[0040] 語(yǔ)音識(shí)別模塊，適于對(duì)所述特征語(yǔ)音信號(hào)進(jìn)行語(yǔ)音識(shí)別，獲得識(shí)別結(jié)果。
[0041 ] 可選地，所述去混響模塊還適于：
[0042] 將所述原始語(yǔ)音信號(hào)輸入表征聲道模型的線性預(yù)測(cè)模型、表征為待識(shí)別的特征語(yǔ) 音信號(hào)和混響信號(hào)的疊加，所述混響信號(hào)中具有待識(shí)別的線性模型系數(shù)；
[0043] 計(jì)算線性模型系數(shù)的值；
[0044] 將所述原始語(yǔ)音信號(hào)減去代入所述線性模型系數(shù)的值的混響信號(hào)，W識(shí)別出特征 語(yǔ)音信號(hào)。
[0045] 可選地，所述去混響模塊還適于：
[0046] 將所述原始語(yǔ)音信號(hào)進(jìn)行短時(shí)傅里葉變換；
[0047] 將進(jìn)行短時(shí)傅里葉變換之后的原始語(yǔ)音信號(hào)輸入表征聲道模型的線性預(yù)測(cè)模型 中。
[004引可選地，所述去混響模塊還適于：
[0049] 獲取非混響語(yǔ)音信號(hào)在目標(biāo)模型參數(shù)下的分布概率；
[0050] 采用所述分布概率和所述線性預(yù)測(cè)模型按照極大似然估計(jì)生成目標(biāo)模型；
[0051 ]對(duì)所述目標(biāo)模型進(jìn)行迭代；
[0052]判斷所述目標(biāo)模型是否迭代收斂;若是，則輸出線性模型系數(shù)的值;若否，則返回 執(zhí)行所述對(duì)所述目標(biāo)模型進(jìn)行迭代的步驟。
[0053] 可選地，非混響語(yǔ)音信號(hào)在目標(biāo)模型參數(shù)下的分布概率，由非混響語(yǔ)音信號(hào)進(jìn)行 短時(shí)傅里葉變換之后、按照時(shí)間變化的高斯分布計(jì)算。
[0054] 可選地，所述去混響模塊還適于：
[0055] 計(jì)算所述分布概率和所述線性預(yù)測(cè)模型的乘積；
[0056] 將所述乘積取負(fù)對(duì)數(shù)，獲得目標(biāo)模型。
[0057] 可選地，所述去混響模塊還適于：
[005引將上一次迭代的線性模型系數(shù)代入目標(biāo)模型中；
[0059] 計(jì)算代入線性模型系數(shù)的目標(biāo)模型取最大值時(shí)的目標(biāo)模型參數(shù)；
[0060] 將計(jì)算出的目標(biāo)模型參數(shù)代入目標(biāo)模型中；
[0061] 計(jì)算代入目標(biāo)模型參數(shù)的目標(biāo)模型取取最大值時(shí)的線性模型系數(shù)。
[0062] 可選地，所述去混響模塊還適于：
[0063] 計(jì)算當(dāng)前迭代的目標(biāo)模型參數(shù)與上一次迭代的目標(biāo)模型參數(shù)之間的參數(shù)差值；
[0064] 計(jì)算當(dāng)前迭代的線性模型系數(shù)與上一次迭代的線性模型系數(shù)之間的系數(shù)差值；
[0065] 判斷所述參數(shù)差值是否小于預(yù)設(shè)的參數(shù)闊值、且所述系數(shù)差值是否小于預(yù)設(shè)的系 數(shù)闊值；
[0066] 若是，則確定所述目標(biāo)模型迭代收斂；
[0067] 若否，則確定所述目標(biāo)模型迭代未收斂。
[0068] 本發(fā)明實(shí)施例在去除原始語(yǔ)音信號(hào)中的混響信號(hào)之后再進(jìn)行語(yǔ)音識(shí)別，增加了語(yǔ) 音識(shí)別解碼器的健壯性，提高了識(shí)別的準(zhǔn)確率，擴(kuò)大了語(yǔ)音識(shí)別系統(tǒng)和智能硬件可使用的 場(chǎng)景種類(lèi)。
[0069] 上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 而可依照說(shuō)明書(shū)的內(nèi)容予W實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠 更明顯易懂，W下特舉本發(fā)明的【具體實(shí)施方式】。
【附圖說(shuō)明】
[0070] 通過(guò)閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通 技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明 的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：
[0071] 圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于混響的語(yǔ)音識(shí)別方法實(shí)施例的步驟 流程圖；
[0072] 圖2示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種語(yǔ)音信號(hào)的頻譜圖；W及
[0073] 圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于混響的語(yǔ)音識(shí)別裝置實(shí)施例的結(jié)構(gòu) 框圖。
【具體實(shí)施方式】
[0074] 下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi) 的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可W W各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被運(yùn)里闡述的實(shí)施例 所限制。相反，提供運(yùn)些實(shí)施例是為了能夠更透徹地理解本公開(kāi)，并且能夠?qū)⒈竟_(kāi)的范圍 完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。
[0075] 參照?qǐng)DI，示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的一種基于混響的語(yǔ)音識(shí)別方法實(shí)施例 的步驟流程圖，具體可W包括如下步驟：
[0076] 步驟101，接收原始語(yǔ)音信號(hào)；
[0077] 在具體實(shí)現(xiàn)中，用戶(hù)可W通過(guò)配置有麥克風(fēng)等聲卡設(shè)備的電子設(shè)備輸入語(yǔ)言信 號(hào)。
[0078] 其中，該電子設(shè)備可W為移動(dòng)設(shè)備，如手機(jī)、平板電腦、個(gè)人數(shù)字助理、穿戴設(shè)備 (如眼鏡、手表等）等等，也可W為固定設(shè)備，如個(gè)人電腦、智能電視、智能家居/家電（如空 調(diào)、電飯優(yōu))等等，本發(fā)明實(shí)