[发明专利]一种多通道远场语音识别方法

权利要求书

1.一种多通道远场语音识别方法，其特征在于，该方法具体包括：

步骤1)提取每个通道的远场语音信号的语音特征，串接多个通道的语音特征，获得语音特征向量；

步骤2)计算任意两个通道之间的GCC特征，将GCC特征与步骤1)获得的语音特征向量拼接，获得远场特征向量，作为训练远场学生模型的训练数据；其中，GCC特征作为辅助特征；

步骤3)对专家模型进行训练，获得训练后的专家模型；将近场特征向量输入至训练后的专家模型，获得近场后验概率向量，最大化近场后验概率向量，将其作为训练远场学生模型的稀疏标签；同时采用知识升华策略，输入步骤2)获得的远场特征向量，结合步骤3)获得的稀疏标签，对远场学生模型进行训练，获得训练后的远场学生模型；

步骤4)将待识别语音信号的特征和GCC特征拼接，获得拼接后的特征向量，并将其输入至训练后的远场学生模型，获得对应的远场后验概率向量，进而得到对应的后验概率值，再经过维特比解码，对待识别的语音信号进行识别，得到识别的文字内容。

2.根据权利要求1所述的方法，其特征在于，所述步骤2)具体包括：

根据公式(1)，计算任意两个通道之间的GCC特征，假设任意两个通道的语音信号分别是x_i(t)和x_j(t)；

其中，X_i(f)和X_j(f)分别表示对应的两个通道x_i(t)和x_j(t)的语音信号的傅立叶变换；*表示它的复数共轭；gcc_ij(n)为两个通道语音信号x_i(t)和x_j(t)间的GCC参数；

将步骤1)获得的语音特征向量与GCC特征拼接，获得远场特征向量，作为训练远场学生模型的训练数据；其中，增加GCC作为辅助特征。

3.根据权利要求1所述的方法，其特征在于，所述步骤3)包括：

提取每个通道的近场语音信号的语音特征，获得近场特征向量，并将其作为训练数据训练专家模型，获得训练后的语音识别性能较好的专家模型，辅助远场学生模型的训练；其中，近场语音信号和远场语音信号是同时录制的语音信号；将近场特征向量输入至训练后的专家模型，获得近场后验概率向量，最大化近场后验概率向量，将其作为训练远场学生模型的稀疏标签。

4.根据权利要求1所述的方法，其特征在于，所述步骤3)还具体包括：

将步骤2)获得的远场特征向量输入远场学生模型，获得对应的远场后验概率向量，采用知识升华策略，利用稀疏标签训练远场学生模型，同时采用KL距离作为度量，最小化目标函数，

其中，o_t′是步骤2)获得的远场特征向量，P_S(s|o_t′)为训练后的学生模型的远场后验概率向量；o_t是步骤3)提到的近场特征向量，P_T(s|o_t)为训练后的专家模型的近场后验概率向量；

使P_S(s|o_t′)对应的后验概率值逼近P_T(s|o_t)对应的后验概率值，获得训练后的远场学生模型，通过反向回传更新学生模型的参数，获得训练后的远场学生模型。