[发明专利]一种基于电话信道的语音识别声学模型构建方法及系统

权利要求书

1.一种基于电话信道的语音识别声学模型构建方法，其特征在于，包括：

对录音语音数据进行重采样，获取采样率与电话信道采样率相同的重采样录制语音数据集，所述录音语音数据为通过语音采集终端采用录音的方式录制的采样率高于电话信道采样率的语音数据；

在语音文本标注不改变的基础上，分别对所述重采样录音数据和电话信道语音数据进行数据增强处理，生成第一扩展语音数据集和第二扩展语音数据集；

将所述重采样录制语音数据集、电话信道语音数据集、第一扩展语音数据集和第二扩展语音数据集混合，生成混合训练数据集；

基于所述混合训练数据集，训练深度神经网络模型，构建电话信号语音识别声学模型。

2.根据权利要求1所述的构建方法，其特征在于，所述对录音语音数据进行重采样，获取采样率与电话信道采样率相同的重采样录制语音数据集，包括：

录制语音采样率为Fs，电话信道采用率为Fc，Fs＞Fc，重采样因子P/Q为电话信道采样率Fc和录制语音采样率Fs之间的比例，即P/Q＝Fc/Fs，且P/Q为大于0小于1的分数；

当P＝1且Q为整数时，重采样过程为：

对录制语音数据进行下采样，对录制语音数据每隔(Q-1)个点抽取一个数据点；

当P1且Q为整数时，通过重采样因子P/Q对录制语音数据进行重采样，对于采样率为Fs、长度为M个采样点的录制语音数据x[n]，重采样过程为：

(a)上采样：在原录制语音数据相邻两点内插入(P-1)个零点，即创建有P(M-1)+1个采样点的信号xu[n]，当n＝1，2，…，M时，xu[P(n-1)+1]＝x[n]；否则，xu[n]＝0；

(b)插值滤波：xu[n]和一个低通插值滤波器h[n]作卷积：xi[n]＝xu[n]h[n]。

(c)下采样：对插值滤波后的录制语音数据，每隔(Q-1)个点抽取一个数据点，即创建有(P(M-1)+1)/Q+1个点的信号xd[n]，下采样信号y[n]＝xd[n]，对下采样后的语音数据进行滤波处理，最终重采样为采用率为Fc的录制语音数据。

3.根据权利要求1所述的构建方法，其特征在于，所述通过语音采集终端采用录音方式录制的语音数据的录音文本，其文本内容专业领域覆盖所需识别电话语音信号的专业领域，且专业词汇读音与电话信道中电话语音数据专业词汇读音具有一致性；

对于电话信道语音数据和重采样语音数据的文本标注为采用相同的分词方式和分词词典进行标注。

4.根据权利要求1所述的构建方法，其特征在于，所述在语音文本标注不改变的基础上，分别对所述重采样录音数据和电话信道语音数据进行数据增强处理，生成第一扩展语音数据集和第二扩展语音数据集，包括：

分别通过语音速度扰动、音量扰动、频率扰动、语音加噪和语音加混响五种语音数据增强方式对所述重采样录音数据和电话信道语音数据进行数据增强处理，生成第一扩展语音数据集和第二扩展语音数据集；

其中，所述第一扩展语音数据集的总时长与所述重采样录音数据的总时长的比例近似为1，所述第二扩展语音数据集的总时长和所述电话信道语音数据的总时长的比例近似为1。

5.根据权利要求4所述的构建方法，其特征在于，所述分别通过语音速度扰动、音量扰动、频率扰动、语音加噪和语音加混响五种语音数据增强方式对所述重采样录音数据和电话信道语音数据进行数据增强处理，生成第一扩展语音数据集和第二扩展语音数据集，包括：

将所述重采样录音数据和电话信道语音数据分别随机平均划分为七份，选取其中五份将每一份语音数据分别采用五种语音数据增强方式中的一种进行语音数据增强处理，选取剩余的两份中的一份语音数据先进行速度扰动语音数据增强处理后进行音量扰动数据增强处理，将剩余的最后一份先进行语音加噪数据增强处理后进行语音加混响数据增强处理，最后将进行语音数据增强数据处理的七份语音数据重新合并，分别生成第一扩展语音数据集和第二扩展语音数据集。

6.根据权利要求5所述的构建方法，其特征在于，所述语音加躁数据增强处理包括：

选取不同的噪声数据；

利用信噪比分布函数，向需要进行加噪的语音数据叠加所述噪声数据。