[发明专利]多音源的噪声处理方法

说明书

本发明公开了多音源的噪声处理方法，包括以下步骤：S1：采集实时采音设备的各通道语音信号；S2：对通道语音进行特征分析和挖掘；S3：排除采集环境噪音的麦克风通道；S4：消除串音通道中串音音源；S5：将正常音源送入语音识别系统进行识别。具有防串音过程不受环境、硬件和参与人行为的影响，通过有效的声学特征提取和串音辨识策略模型，实时识别和过滤串音通道，显著降低了串音现象的发生。

技术领域

本发明涉及噪声处理技术领域，特别涉及多音源的噪声处理方法。

背景技术

目前多音源的噪声处理保证高识别准确率需要诸多前提，例如发言人讲话稳定清晰明了，且能被拾音设备平稳采集，发言人需逐一讲话，多人同时发言易出现错误的识别结果，最常见的错误现象是其他人讲话的识别结果在自己识别界面上出现，实录现场环境需保持安静，使白噪音少且需有均匀的收音环境。

现有技术中噪声处理技术存在许多问题：受环境、硬件和人为影响，存在串音情况。

例如，一种在中国专利文献上公开的“用于减小光学传感器中串音的方法”，其公告号：CN101688807A，其申请日：2008年5月30日，不增大传感器的尺寸或者不增大任何可靠性风险的情况下减小了串音，但是存在受环境、硬件和人为影响的情况。

发明内容

针对现有技术的不足，本发明提出了多音源的噪声处理方法，具有防串音过程不受环境、硬件和参与人行为的影响，通过有效的声学特征提取和串音辨识策略模型，实时识别和过滤串音通道，显著降低了串音现象的发生。

以下是本发明的技术方案，多音源的噪声处理方法，包括以下步骤：

S1：采集实时采音设备的各通道语音信号；

S2：对通道语音进行特征分析和挖掘；

S3：排除采集环境噪音的麦克风通道；

S4：消除串音通道中串音音源；

S5：将正常音源送入语音识别系统进行识别。

作为优选，所述S1存在n个采音设备，在第t时间帧的语音信号有4000个，则输出的数据是4000n的矩阵，某采音设备该时间帧采集到的数字信号

所述S2数字信号划分为200窗口大小，20窗口总数，维度为20×200的窗口数据，表达为512长度的矢量在对所有通道进行如上操作后，输出维度为512n的特征数据。

所述S3获取原始数字信号，分别建立功率指标判定。对某通道的声学数字信号，计算其功率对特征数据经过分类模型，输出其为噪音音源的概率若或超过阈值，无需进入后续分析步骤。

所述S4对各通道的特征数据进行相似度计算，对相似度高的通道，再通过马尔可夫过程进行数字信号的时序对齐，识别出在时间上有向后延迟的相似通道，并判定其为串音通道，存在n个通道的特征数据对两两相似度计算，输出相似度最高的三个通道u,v,w和相似度s_u,v、s_u,w和s_v,w，对u,v,w通道的原始采集到的声学数字信号进行时序对齐，判断串音通道和出现串音的概率，取每个通道在当前时间的特征数据和历史时间帧上的特征数据进行异常检测。

所述S5将正常音源送入语音识别系统进行识别，并将对应结果输出到其对应的角色通道进行显示。提高识别结果精确性和高效性。

所述判断串音通道的过程为：计算相似通道对之间相似的部分发生的时间段，并取概率最大的对齐路径，例如对齐后v通道和w通道均延后于u通道，v通道和w通道则是相对于u通道的串音通道。有效处理串音通道，提高识别结果精确性。

所述串音的概率计算方法为：某通道在该时间桢上的特征数据取K桢历史特征数据对该K+1帧的特征进行时序上的前馈记忆网络建模并输出建模结果串音的概率。计算串音的概率，在大量数据时，提高串音处理效率。