[发明专利]基于人耳听觉特性的语音识别预处理方法

说明书

技术领域

本发明涉及语音识别领域，特别是一种具有人耳听觉特性的预处理方 法。

背景技术

随着人类社会的进步，人们对机器的人机交互性能要求越来越高。语言是 人类所特有的功能之一，如果让机器也具备和人类语言沟通的能力，那么机器 就和人类建立了一条自然、易懂、方便的沟通桥梁。这样人们就很容易操控机 器，达到更和谐自然的人机交互效果，要实现这样的目标最关键的技术就是语 音识别技术。

在安静环境下，语音识别准确度和鲁棒性已经达到实用水平，然而生活中 噪声无处不在，噪声使得语音训练模型和测试语音之间的失配导致识别率的下 降。因此，在噪声环境下，研究信噪比高的预处理过程消除噪声干扰具有非常 好的研究价值。语音信号的预处理效果对整个语音识别系统的性能产生强大影 响，它将带噪声的语音信号处理成较为纯净的语音，减轻了特征提取和模式匹 配的负担。传统的预处理抗噪算法有谱减法、语音增强等。谱减法对背景噪声 去除有很好的效果，但只消除了语音信号的高斯白噪声。语音增强对输入的语 音信号进行增强，由于实际环境中噪声繁多，种类复杂，很难找到一种适应性 能强并且准确度高的语音增强方法，因此，语音增强方法的预处理鲁棒性能差。 综上所述，传统预处理方法在噪声环境下不能得到高信噪比语音信号，从而影 响整个语音识别系统的识别率。

复杂的噪声环境下的语音识别类似于鸡尾酒会效应，在该环境中进行语音 识别需要经过语音分离预处理。目前基于工程的的主要方法是波束成型技术以 及频谱屏蔽，这些尝试已经达到其极限但其性能仍然难以与人脑听觉系统相比。 人耳听觉系统具有很好的抗噪性能，人们对人耳听觉系统的研究已经取得了长 足进步。在严酷的条件下，包括有噪声或者是信道发生变化时，人耳听觉系统 的性能明显优于机器语音识别，语音识别系统的抗噪性能远不及人耳听觉系统 的优良，因此人们开启了模仿人耳听觉系统的功能来提高语音识别系统的抗噪 性能的旅程。受生物学启发，本文提出了一种基于人耳听觉特性的语音分离的 预处理方法，分离后能够得到信噪比更高的语音信号，该识别系统具有更高的 识别率和更好的鲁棒性。

发明内容

针对以下现有的不足，提出了一种可以在复杂噪声环境下大幅度提高语 音信号的信噪比的基于人耳听觉特性的语音识别预处理方法。。本发明的技 术方案如下：一种基于人耳听觉特性的语音识别预处理方法，其包括以下 步骤：

101、采用模拟人耳听觉系统获取语音信号；

102、对步骤101得到的含噪声的语音信号，采用基于人耳听觉特性的语音 分离方法进行语音分离；

103、采用语音定位获取目标语音信号；

104、对获取的目标语音信号再进行其他预处理，完成语音识别。

进一步的，步骤102采用基于人耳听觉特性的语音分离方法进行语音分离 具体包括：2-1)经过耳蜗基底膜模型进行频谱分析；2-2)再通过上橄榄核模 型进行语音信息提取；2-3)最后在下丘脑细胞模型中完成语音分离。

进一步的，所述步骤2-1)经过耳蜗基底膜模型进行频谱分析具体为；选 择具有人耳听觉特性的Gammatone滤波器组对语音信号进行频率分解；

进一步的，所述Gammatone滤波器组频率的选择范围从20Hz-4KHz 分别对左、右耳混叠信号按时间帧进行频率分解；耳蜗基底膜模型将语音 信号按照滤波器个数进行传递。

进一步的，所述步骤2-2)通过上橄榄核模型进行语音信息提取具体为；

耳蜗基底膜处理语音信号后分成多个通道传递给上橄榄复合体进行 语音信号的双耳时间差ITD和D双耳水平差IL定位信息的提取，ITD的 计算公式如下：