[发明专利]一种基于角度谱特征的多通道远场的目标语音识别方法

权利要求书

1.一种基于角度谱特征的多通道远场的目标语音识别方法，其特征在于，包括下列步骤：

获取包含目标人语音的M个通道的混合语音；将两个通道组成通道对，得到H个不重复的通道对；其中，H＝M*(M-1)/2，M为大于等于2的正整数；

提取M个通道的混合语音的梅尔倒谱系数MFCC特征，将M个MFCC特征串接，得到第一特征；

计算H个通道对的相位变换可控响应功率SRP-PHAT，根据SRP-PHAT生成包含目标人的位置信息的角度谱特征作为第二特征；

从目标人预先注册的语音中，提取出目标人特征作为第三特征；

根据所述第一特征、第二特征和第三特征对混合语音中的目标人进行语音识别。

2.根据权利要求1所述的方法，其特征在于，所述提取M个通道的混合语音的梅尔倒谱系数MFCC特征，将M个MFCC特征串接，得到第一特征；具体包括：

分别对各通道的混合语音进行分帧加窗，傅立叶变换，梅尔滤波，离散余弦变换，得到M个N维的MFCC特征；串接M个MFCC特征，生成M*N维的第一特征；其中，N为正整数。

3.根据权利要求1所述的方法，其特征在于，所述根据SRP-PHAT生成包含目标人的位置信息的第二特征，具体包括：

根据预设的采样间隔得到L个采样点对应的SRP-PHAT值，将L个SRP-PHAT值合成为1个L维的第二特征；其中，L为正整数。

4.根据权利要求3所述的方法，其特征在于，所述第二特征中的峰值个数，对应于所述混合语音中的说话人数量，所述说话人数量为目标人数量与非目标人数量之和；其中，目标人数量大于等于1，非目标人数量大于等于0；

所述第二特征中的每个峰值，对应于所述混合语音中的每个说话人的位置信号。

5.根据权利要求4所述的方法，其特征在于，当所述第二特征中具备至少两个峰值，即所述混合语音中包含至少两个说话人时，采用滑窗算法计算并分离所述第二特征中的至少两个峰值，得到至少两个单峰值第二特征；所述单峰值第二特征中具有一个对应于说话人的位置信息的峰值。

6.根据权利要求1所述的方法，其特征在于，根据所述第一特征、第二特征和第三特征对目标人的目标语音进行识别，具体包括：

将所述第一特征和第二特征拼接后输入时延神经网络的第一层；

将第一个隐层的输出和所述第三特征进行拼接后输入之后的时延神经网络进行目标人的目标语音识别。

7.根据权利要求6所述的方法，其特征在于，所述时延神经网络使用第一特征、第二特征和第三特征进行训练，以提高识别目标语音的能力。