[发明专利]一种农产品市场要素信息采集的鲁棒性语音识别方法

权利要求书

1.一种农产品市场要素信息采集的鲁棒性语音识别方法，其特征在于包括，

步骤101，采集初始语音信号；

步骤102，利用谱减算法对所述初始语音信号进行去噪，得到近似纯净语音信号；

步骤103，提取所述近似纯净语音信号的特征值；

步骤104，对所述特征值进行倒谱均值方差归一化补偿；

步骤105，根据该补偿后的语音特征向量训练隐马尔可夫模型。

2.根据权利要求1所述的一种农产品市场要素信息采集的鲁棒性语音识别方法，其特征在于，在所述对所述特征值进行倒谱均值方差归一化补偿之后还包括，对待识别语音信号进行所述步骤101-步骤104，将得到补偿后的待识别语音特征向量输入所述隐马尔可夫模型进行识别，输出识别结果。

3.根据权利要求1所述的一种农产品市场要素信息采集的鲁棒性语音识别方法，其特征在于，在所述利用谱减算法对所述初始语音信号进行去噪中进一步包括，利用如下公式对初始语音信号进行谱减算法：

其中，γ_p(ω)和α_p(ω)是最优减法参数，p为幂指数，|Y(ω)|^p是带噪语音信号谱，为无语音段求得的噪声信号，是估计的噪声谱，|X_p(ω)|^p是采用理想的谱减模型条件下的近似纯净语音谱，是估计的近似纯净语音谱；

参数γ_p(ω)和α_p(ω)通过最小化频谱的均方误差得到：

ep(ω)=|Xp(ω)|p-|X^(ω)|p;]]>

初始语音信号|Y(ω)|^p为|X_p(ω)|^p和噪声谱的和，对某一常数p成立：

|Y(ω)|^p＝|X_p(ω)|^p+|D(ω)|^p，其中，|D(ω)|^p是理想中噪声谱的真实值；

通过计算谱误差e_p(ω)的最小化均方值E[{e_p(ω)}²]，得到如下的最优减法参数：

αp(ω)=ξp(ω)1+ξp(ω),]]>

γp(ω)=ξp(ω)1+ξp(ω){1-ξ-p/2(ω)},]]>

其中，ξ(ω)对应于信号能量和噪声能量的比值，称为先验SNR，通过ξ(ω)=(1-η)max(|Y(ω)|2|D^(ω)|2-1,0)+η|X^prev(ω)|2|D^(ω)|2]]>计算得到，其中η为平滑常数，是上一分析帧中求得的近似纯净语音的功率谱，|Y(ω)|²是初始语音信号的功率谱，是估计的噪声功率谱。