[发明专利]一种基于RNN建立的DRNN降噪模型的语音降噪方法及语音识别方法

说明书

一种基于RNN建立的DRNN降噪模型的语音降噪方法及语音识别方法，在噪声环境下提取性能更好的语音信号特征参数，属于语音识别领域。本发明包括：建立DRNN降噪模型：在RNN的基础上增加两层隐含层，所述两层隐含层上无连接层，RNN原有的隐含层位于增加的两层隐含层中间，三层隐含层位于输入层和输出层之间；将带噪声的语音训练信号X进行补零，使维度保持一致，并将补零后的信号分成N组，每组三个数据，将分组后的数据输入到DRNN降噪模型中进行训练，确定DRNN降噪模型的参数；利用确定参数的DRNN降噪模型对语音信号或特征参数进行降噪。语音识别方法是在现有基础上在识别和训练之前先对特征参数采用DRNN降噪模型进行降噪。

技术领域

本发明涉及一种语音降噪方法及语音识别方法，属于语音识别领域。

背景技术

在人类众多的生物特征中，利用说话人的语音特征进行身份认证具有诸多优点：通过区分说话人声器官存在的先天差异进行身份认证不涉及个人隐私，容易被采集者接受，相比于虹膜、指纹、DNA等生物特征，语音特征的采集成本较为低廉，不需要复杂昂贵的设备便可以完成语音特征的采集；可利用通话设备进行远程的语音特征提取，采集数据不受地域限制。通过对语音特征的提取分析，确定说话人身份的过程被称为说话人识别，也被称为声纹识别。如今，说话人识别技术己被广泛应用于人类生活的各个领域。

在电话银行、证券交易、网上支付等金融领域，银行卡不能识别所有人的特征，任何掌握银行卡密码的人都将被银行卡“识别”为所有人，容易给用户的财产造成重大损失。且密码容易遗忘，也会给用户的资金操作带来许多不便。如果预先采用语音进行说话人识别，将用户的语音信息作为一种隐形的密码，向户主确认是否有人代替其进行各类交易。将大大地增加用户账户的安全性，避免此类案件的发生。目前美国的亚马逊电子商务平台已开通使用说话人识别进行用户登录的功能。

在公安和司法等刑侦领域，当公安或司法机关需要对某一犯罪案件进行调查取证，当在排查的案件过程中发现犯罪分子存在通过电话、录音等方式进行恐吓、索要财物时，警方可通过说话人识别技术提取电话中犯罪分子的语音特征，并依据该语音特征获取犯罪嫌疑人的相关信息，为刑侦工作提供便利，节约侦破案件的成本，提高工作效率。

在军事战略与国土防卫等领域，说话人识别技术也有重要的意义，有很多西方国家很早就将说话人识别技术应用于国家安全保障中。军事力量体现一个国家的强大与弱小，国防能力关乎着一个国家，一个民族的存亡，国防和军事是保障国家有独立主权的基本前提。在军政人员处理军事要务时，需启动最高等级的信息安防措施，为避免互联网时代信息外泄情况发生，可以利用说话人识别技术提供安防保障，当国家机密可能被盗取时，说话人识别技术也可以为打击不法分子争取一定的时间，从而保证国家的信息安全和国土安全。

在多媒体服务等领域，人们对优质传媒产品的要求不断提升，促使智能化多媒体技术的发展。可以用特定用户的语音信息识别用户身份，并根据该用户的操作历史信息推送用户所需要目的文本、图像、视频等多媒体资料，解决现有文字搜索造成表达不充分，不能提供足够的有效信息，因而导致对特定人的内容推送无法满足用户需求问题。

在产品功能应用等领域，生活中的大量电子设备，如电脑、手机、电视机、冰箱、空调也大量应用了说话人识别技术。iphone和ipad已经推出通过机主语音进行解锁的功能。用户在进行解锁设置时，需先录入机主的语音信息，然后机主在手机接收范围内说出关于解锁手机的语音命令，手机便开启自动解锁。除解锁功能外，手机在预先设定的情况下还可利用特定人语音信息进行编辑短信、拨打电话、拍摄视频等功能。