[发明专利]远场语音声学模型训练方法及系统

权利要求书

1.一种远场语音声学模型训练方法，其特征在于，包括：

对近场语音训练数据进行切分，得到N份近场语音训练数据，所述N为正整数；将远场语音训练数据分别与N份近场语音训练数据进行混合，得到N份混合语音训练数据，其中所述远场语音训练数据是对近场语音训练数据进行数据增强处理得到的；

使用所述混合语音训练数据训练深度神经网络，生成远场识别声学模型，其中，每一份混合语音训练数据分别用于所述训练深度神经网络过程中的一次迭代。

2.根据权利要求1所述的方法，其特征在于，所述对近场语音训练数据进行数据增强处理包括：

估计远场环境下的冲激响应函数；

利用所述冲激响应函数，对近场语音训练数据进行滤波处理；

对滤波处理后得到的数据进行加噪处理，得到远场语音训练数据。

3.根据权利要求2所述的方法，其特征在于，所述估计远场环境下的冲激响应函数包括：

采集远场环境下的多路冲激响应函数；

将所述多路冲激响应函数进行合并，得到所述远场环境下的冲激响应函数。

4.根据权利要求2所述的方法，其特征在于，所述对滤波处理后得到的数据进行加噪处理包括：

选取噪声数据；

利用信噪比SNR分布函数，在所述滤波处理后得到的数据中叠加所述噪声数据。

5.根据权利要求1所述的方法，其特征在于，所述利用所述混合语音训练数据训练深度神经网络，生成远场识别声学模型包括：

对所述混合语音训练数据进行预处理和特征提取，获取语音特征向量；

将语音特征向量作为深度神经网络的输入，语音训练数据中的语音标识作为深度神经网络的输出，训练得到远场识别声学模型。

6.一种远场语音声学模型训练系统，其特征在于，包括：

混合语音训练数据生成单元，用于对近场语音训练数据进行切分，得到N份近场语音训练数据，所述N为正整数；将远场语音训练数据分别与N份近场语音训练数据进行混合，得到N份混合语音训练数据，其中所述远场语音训练数据是对近场语音训练数据进行数据增强处理得到的；

训练单元，用于使用所述混合语音训练数据训练深度神经网络，生成远场识别声学模型，其中，每一份混合语音训练数据分别用于所述训练深度神经网络过程中的一次迭代。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

数据增强单元，用于对近场语音训练数据进行如下数据增强处理：

估计远场环境下的冲激响应函数；

利用所述冲激响应函数，对近场语音训练数据进行滤波处理；

对滤波处理后得到的数据进行加噪处理，得到远场语音训练数据。

8.根据权利要求7所述的系统，其特征在于，所述数据增强单元在估计远场环境下的冲激响应函数时，具体执行：

采集远场环境下的多路冲激响应函数；

将所述多路冲激响应函数进行合并，得到所述远场环境下的冲激响应函数。

9.根据权利要求 8所述的系统，其特征在于，所述数据增强单元在对滤波处理后得到的数据进行加噪处理时，具体执行：

选取噪声数据；

利用信噪比SNR分布函数，在所述滤波处理后得到的数据中叠加所述噪声数据。

10.根据权利要求6所述的系统，其特征在于，所述训练单元具体用于：

对所述混合语音训练数据进行预处理和特征提取，获取语音特征向量；

将语音特征向量作为深度神经网络的输入，语音训练数据中的语音标识作为深度神经网络的输出，训练得到远场识别声学模型。