[发明专利]远距离语音识别中的模型域补偿新方法

权利要求书

1.远距离语音识别中的模型域补偿方法, 其特征在于：包括步骤：应用镜像算法计算多组不同位置的房间冲击响应序列,对房间冲击响应序列进行优化，按帧提取能量参数；利用K均值聚类算法对优化后的房间冲击响应序列进行聚类，求出房间冲击响应类的混响模型，对每个混响模型应用广义逆矩阵求出均值辅助补偿矩阵和方差辅助补偿矩阵；利用清晰语音语料库训练清晰语音的隐马尔科夫模型；利用得到的辅助补偿矩阵参数，在维特比解码阶段对语音模型参数执行按帧补偿算法，按最大后验概率原则选择最佳的辅助补偿矩阵参数。

2.根据权利要求1所述的模型域补偿方法, 其特征在于：计算多组不同位置的房间冲击响应序列具体包括，输入房间的空间大小参数、吸声系数、麦克风坐标以及声源坐标，将上述参数作为镜像算法的输入参数，计算房间冲击响应序列，一个声源坐标对应生成一组房间冲击响应序列。

3.根据权利要求1所述的模型域补偿方法, 其特征在于：对房间冲击响应序列进行优化具体为，删除房间冲击响应序列尾部数据，保证各个房间冲击响应序列的长度为5120点；对房间冲击响应序列进行分帧，分帧长度为160点为一帧；对每一帧房间冲击响应执行按帧求和运算，得到新的房间冲击响应特征序列。

4.根据权利要求1所述的模型域补偿方法, 其特征在于：利用K均值聚类算法对房间冲击响应序列进行聚类，将同一类的房间冲击响应序列按行合并为矩阵，每一类对应一个房间冲击响应矩阵。

5.根据权利要求1所述的模型域补偿方法, 其特征在于：对房间冲击响应矩阵实施时频域转换，得到梅尔频率域的混响模型；辅助矩阵为真实混响语音参数与估计混响语音参数乘积的广义逆矩阵，用以消除两者之间的误差；利用辅助矩阵与混响模型参数相乘的均值得到均值补偿矩阵，利用辅助矩阵与混响模型参数相乘的结果与均值矩阵的差值的均值得到方差补偿矩阵。

6.根据权利要求1所述的模型域补偿方法, 其特征在于：训练过程中采用多次分裂隐马尔科夫模型，对每一个隐马尔科夫状态中的输出概率模型，都是一个独立的高斯混合模型。

7.根据权利要求1所述的模型域补偿方法, 其特征在于：在维特比解码阶段对语音模型参数执行按帧补偿算法具体为：将混响模型的均值与方差按帧地叠加到当前帧清晰语音模型的均值与方差矩阵上；将混响模型的均值从梅尔频率域转到梅尔倒谱域，转换方法为：从梅尔频率域经过离散余弦变换然后取对数得到梅尔倒谱域模型；反之，从梅尔倒谱域经过逆离散余弦变换和指数运算得到梅尔频率域模型；在补偿阶段，选择出最佳的混响模型补偿类的均值与方差对模型参数进行补偿。