[发明专利]一种适用于噪声环境下的语音识别方法

说明书

本发明公开了一种适用于噪声环境下的语音识别方法，该方法对经双微麦克风阵列采集的含噪语音信号构建综合了最小方差无畸变响应波束形成与对角加载的波束形成器，并利用递归矩阵求逆的方法减少计算复杂度，得到进行波束形成后初步去噪的语音信号；再后置调制域谱减法对初步去噪后的语音信号做进一步处理，去除残留的噪声并减少语音畸变，得到最终去噪处理后的语音信号；另外本发明方法采用卷积神经网络进行语音模型的训练，提取语音深层次的特征。该发明方法解决了噪声环境下语音识别率下降的问题，具有较好的稳健性，可应用在家居机器人，智能音箱以及噪声环境下工作的语音设备等方面。

技术领域

本发明涉及语音识别技术领域，具体是一种适用于噪声环境下的语音识别方法。

背景技术

21世纪以来，我国的语音识别研究发展迅速，并涌现出相当一部分优秀企业，在一些领域达到了世界领先水平，并生产了市场占有率很高的产品，如科大讯飞公司的翻译机在出国旅游人群中得到了广泛的应用。目前，基于深度神经网络的声学模型已经显著提高了语音识别的性能，特别是在近场条件下。然而，在实际应用中，远场和混响语音识别仍然是一个具有挑战性的问题。

在实际应用环境中，稳健性语音识别是信号处理和语音识别领域人们共同关心的问题，这是一个最近几十年来最具有挑战性的任务之一。一个主要原因是目标语音混杂有各种背景噪音。语音信号处理方法能够从受到干扰的语音数据中提取所需的源信号，以此来提高语音识别的精度。为此，多通道技术由于其相比于单通道技术不仅在时频域而且还可以在空间域利用信息，因此得到广泛的应用。

多通道线性滤波，也称为波束形成器，已经得到了充分的研究,但在语音识别领域中得到广泛应用的方法还不是很多。有研究者在语音识别应用领域探索了更广泛的波束形成实现方法，例如，有研究使用基于时频掩蔽的波束形成方法应用到语音识别任务中，有效抑制了噪声干扰并提高了语音识别率。

发明内容

本发明的目的在于针对现有噪声环境下识别率急剧下降的问题，而提供一种适用于噪声环境下的语音识别方法，该方法能够有效去除实际环境下含噪语音信号中的噪声成分，通过采用卷积神经网络从原始语音数据中提取高维隐含的特征，有力地处理数据的可变性和丰富性，减少了神经网络训练的参数。

实现本发明目的的技术方案是：

一种适用于噪声环境下的语音识别方法，包括如下步骤：

1)双微麦克风阵列语音信号，并对采集的语音信号建立如下形式模型：

y_m(t)＝x_m(t)+n_m(t) m＝1,2,...,M (1)

上述公式(1)中，M表示麦克风数量，x_m(t)表示纯净语音信号，n_m(t)表示加性的噪声和干扰信号，y_m(t)表示含噪语音信号；

2)对步骤1)采集到的含噪语音信号进行傅里叶变换，得到频域，频域表达式为：

Y(l,k)＝X(l,k)+N(l,k) (2)

上述公式(2)中，Y(l,k)是含噪语音信号频谱，X(l,k)是原始纯净语音信号频谱，N(l,k)是噪声信号频谱，l是时间索引，k是频率索引；

3)构建综合最小方差无畸变响应波束形成与对角加载的双微阵列语音波束形成器，并利用递归矩阵求逆的方法减少了原先大量矩阵求逆运算导致的计算复杂度，求得波束形成器的复数加权系数，将步骤2)中的麦克风阵列信号的矢量系数与波束形成器求得的复数加权系数相乘，得到麦克风阵列初步去噪的语音信号；