[发明专利]一种提取期望声源语音信号的方法及装置

说明书

本发明涉及音频处理技术，特别涉及一种提取期望声源语音信号的方法及装置。用以在不提高硬件成本的前提下，保证语音识别率。该方法为：基于通过至少两个麦克风接收的对应语音信号的相关特征，获得期望声源的存在概率期望声源的位置信息，进而获得预设的目标分离系数，以及采用所述目标分离系数，从所述对应语音信号的至少两个语音信号中提取出期望声源的语音信号。这样，由于位置信息与目标分离系数之间预设有稳定的对应关系，因此，基于位置信息能够形成稳定的指向，从而迅速获取到相应的目标分离系数，进而从混响环境中快速准确地提取出期望声源的语音信号，极大提升了干扰环境下的语音识别率，同时又不会增加硬件成本。

技术领域

本发明涉及音频处理技术，特别涉及一种提取期望声源语音信号的方法及装置。

背景技术

现有技术下，在采集语音信号的过程中，为了提高数据准确性，通常采用双麦克风来提取期望声源发出的语音信号。

然而，在期望声源周边通常会存在其他干扰源；如，假设在会议场景下，作为期望声源的发言人在讲话的同时，参与会议的其他人员也会参与评论。此时，双麦克风均会同时采集到期望声源的语音信号，以及其他源的语音信号，那么，如何从双麦克风的接收信号中识别出期望声源的语音信号便成为了急需解决的问题。

目前，已经提出了一种解决方案，该解决方案如下：

首先，接收通过双麦克风获得第一语音信号和第二语音信号。

然后，分别提取出第一语音信号和第二语音信号的声学场景特征(如，方位角、能量等等)。

最后，基于获得的声学场景特征，分别对第一语音信号和第二语音信号进行独立分量分析(Independent Component Analysis，ICA)，从混杂的信号中提取出独立的期望声源的语音信号，以及干扰源的语音信号。

最后，对分析结果进行滤波处理。

采用所述解决方案，由于需要执行ICA处理过程，其运算量非常庞大，从而导致功耗巨大，因此，需要采用高级的语音处理引擎才能进行匹配处理。

然而，高级的语音处理引擎的硬件成本非常高，不具有通用性，如果采用普通的语音处理引擎替代，很有可能无法支撑如此庞杂的处理过程，从而导致无法正确识别期望声源的语音信号，影响了语音识别率，进而降低了服务质量。

发明内容

本发明实施例提供一种提取期望声源语音信号的方法及装置，用以在不提高硬件成本的前提下，保证语音识别率。

本发明实施例提供的具体技术方案如下：

一种提取期望声源语音信号的方法，包括：

从通过至少两个麦克风接收的对应语音信号中提取出基准语音信号，并基于所述基准语音信号的声学特征，确定期望声源的存在概率；

基于所述对应语音信号中的至少一对语音信号的相位差，确定期望声源的位置信息；

基于所述期望声源的存在概率和所述期望声源的位置信息，获取预设的目标分离系数；

采用所述目标分离系数，从所述对应语音信号的至少两个语音信号中提取出期望声源的语音信号。

可选的，基于所述基准语音信号的声学特征，确定所述基准语音信号表征的期望声源的存在概率，包括：

分别提取出所述基准语音信号在设定的N个频带上的声学特征；

将所述N个频带上的声学特征作为特征向量，建立相应的语音模型；

基于所述语音模型，分别计算出每一个声学特征的似然比；

确定任意一个声学特征的似然比达到设定阈值时，将所述期望声源的存在概率设置为表示存在期望声源的指定值。