[发明专利]一种复杂环境下语音特征映射方法

权利要求书

1.一种复杂环境下语音特征映射方法，其特征在于，包括以下步骤：

步骤1：提取干净环境下的语音信号的特征；

步骤1的具体实现包括以下子步骤：

步骤1.1：对干净环境下得到的语音信号进行预处理，包括预加重、分帧、加窗；

步骤1.2：将步骤1.1中预处理后的信号提取Mel倒谱系数特征；

步骤1.3：使用混合高斯模型对步骤1.2中得到的特征建立统计模型，得到干净环境下语音信号的模型Λ；

步骤2：对复杂环境下的语音进行特征提取；

步骤2的具体实现包括以下子步骤：

步骤2.1：对复杂环境下得到的语音信号进行预处理，包括预加重、分帧、加窗；

步骤2.2：将步骤2.1中预处理后的信号提取Mel倒谱系数特征，记为Y＝[y₁,y₂,...,y_i,...,y_n]，y_i表示复杂环境下第i帧的语音特征；

步骤3：利用特征映射方法对复杂环境下的语音特征进行映射；

骤3的具体实现包括以下子步骤：

步骤3.1：将特征的每一帧y_i都进行映射，映射形式为：

x_i＝A·y_i+B，简记为：x_i＝F(y_i)；

其中y_i为复杂环境下语音特征的第i帧语音特征，x_i为通过特征映射函数后得到的第i帧特征，A为增益矩阵，B为偏移矩阵；

A为d行d列的对角矩阵，B为d行1列的矩阵；d为帧长，在分帧的步骤中设置；

步骤3.2：根据最大似然函数和已知模型Λ对F进行参数估计：

其中Λ为步骤1.3中训练的干净语音模型；

步骤3.3：根据当前F^t的参数来构造辅助函数计算新的F的参数：

其中，F^t为当前帧的映射函数，F为新的一帧的映射函数；θ表示语音信号状态序列，X表示语音信号特征，C表示所处高斯分量，m表示混合高斯模型的高斯数，n表示语音信号的帧数；

p(C_j|Λ)＝ω_j

其中，ω_j表示第j个高斯的权重，μ_j和Σ_j分别为第j个高斯分量的均值和方差，为方便记为：

步骤3.4：由步骤3.3可得到辅助函数为：

对各项展开可得：

其中μ_j,k，δ_j,k分别表示F的第k个参数的第j个高斯的均值和标准差，y_i,k表示映射前的第i帧语音特征的第k个矢量，a_k，b_k分别为F中增益矩阵a和偏移矩阵b的第k个参数；

步骤3.5：对步骤3.4中的展开式分别求F关于a_k，b_k的偏导数：

将以上两式展开可得：

步骤3.6：为方便计算，分别将以下统计量替代步骤3.5中的统计量：

则步骤3.5中的方程式可写为：

解上述方程组得：

步骤3.7：将解得的A，B代入步骤3.1中即可求得经过映射后的语音信号特征X，视为干净环境下的语音特征；

步骤4：模式匹配与识别。

2.根据权利要求1所述的复杂环境下语音特征映射方法，其特征在于：干净环境下的语音帧数和复杂环境下的语音帧数保持一致。

3.根据权利要求1或2所述的复杂环境下语音特征映射方法，其特征在于：步骤4中，当得到复杂环境下通过特征映射之后的特征后，对得到的特征建立统计模型，采用HMM-GMM模型，然后进行模型匹配，进行语音识别/说话人识别。