[发明专利]一种语音识别方法及系统

权利要求书

1.一种语音识别方法，其特征在于，所述方法包括：

获取待识别语音信号，并计算待识别语音信号的能量密度谱；

将能量密度谱进行伪彩色映射，得到待识别语音信号的彩色语谱图；

利用自适应的时域滤波器对彩色语谱图中的语音信号进行回声消除；

利用盲源分离算法估计待识别语音中目标语音信号的mask值；

利用基于mask值的多通道增强算法对目标语音信号进行增强；

利用预训练的DFSMN-CTC模型对语音信号进行识别，得到语音识别结果。

2.如权利要求1所述的一种语音识别方法，其特征在于，所述计算待识别语音信号的能量密度谱，包括：

1)对待识别语音信号进行短时傅里叶变换：

其中：

x(n)为待识别语音的离散时域采样信号，n＝0，1，...，N-1，n为时域采样点信号，N为语音信号的长度；

X_n(m)为待识别语音离散时域采样信号的短时傅里叶变换结果；

m为帧同步的时间信号，m＝0，1，...，M-1，M为帧长；

ω为窗序列；

2)采用离散傅里叶变换DFT得：

其中：

0≤k≤N-1，k为待识别语音的离散时域采样信号的幅度值；

X(n，k)为待识别语音的离散时域采样信号的短时幅度谱估计；

X_n(m)为待识别语音离散时域采样信号的短时傅里叶变换结果；

m为帧同步信号，m＝0，1，...，M-1，M为帧长；

N为语音信号的长度；

3)计算时间m处的频谱能量密度函数：

P(n，k)＝|X(n，k)|²＝(X(n，k))×(conj(X(n，k)))

其中：

X(n，k)为待识别语音的离散时域采样信号的短时幅度谱估计；

n为时域采样点信号；

k为待识别语音的离散时域采样信号的幅度值；

conj(·)函数用于计算复数的共轭值；

P(n，k)为信号x(n)的短时自相关函数的傅里叶变换，是二维的非负实值函数；

用时间n作为横坐标，k作为纵坐标，将P(n，k)的值表示为灰度级所构成的二维图像就是能量密度谱；通过变换101gP(n，k)得到语谱图的dB表示。

3.如权利要求2所述的一种语音识别方法，其特征在于，所述将能量密度谱进行伪彩色映射，包括：

1)将P(n，k)的最大值P_max(n，k)映射为归一化1电平，将最小值P_min(n，k)映射为归一化0电平；

2)将P(n，k)线性映射为0～1间的电平L_i，计算机监视器根据L_i的值将能量密度谱以伪彩色模式显示出来；

3)选择基准电平值Base，将小于Base的值限定在此基准电平上，将大于Base的值线性映射到0～1的归一化彩色值，则彩色矩阵值L＝{l(n，k)}的数学表示为：

其中：

Base为基准电平值，本发明将其设为0；

n为时域采样点信号；

k为待识别语音的离散时域采样信号的幅度值；

P(n，k)为信号x(n)的短时自相关函数的傅里叶变换，是二维的非负实值函数。