【技术实现步骤摘要】
高龄老人不完整语音智能识别方法
本专利技术涉及语音识别
,尤其涉及一种高龄老人不完整语音智能识别方法。
技术介绍
高龄老人由于身体机能的衰退,会导致他们的发声器官老化,同时伴有声音口音较严重、语音比较低沉、辨识较为困难等问题,从而导致护理人员无法清楚准确的了解老人的照护需求。语音识别,即自动语音识别(自动语音识别,ASR),通俗地说就是将语音转化为文字。语音识别的研究历史可以追溯到60年前,Vintsyuk提出动态时间规整算法(DynamicTimeWarping,DTW),有效解决了不同时长的语音之间如何比较的问题,成为了当时实现语音识别的主流方法。20世纪70年代,随着计算机性能飞速发展,语音识别技术随之快速发展。普林斯顿大学的LennyBaum提出了著名的隐马尔可夫模型(HiddenMarkovModel,HMM),这一模型被广泛应用到模式识别领域,同样成为了语音识别的流行算法,是发展进程中的一个极大的突破。80年代提出梅尔倒谱系数(MelFrequencyCepstrumCoeffient,MFCC)极大的改善了语音特征表达。90年代提出单状态隐马尔可夫模型,也就是高斯混合模型(GaussianMixtureModel,GMM),利用高斯分布加权可以拟合任意概率密度曲线的优势,用于和HMM相结合,有效提高了识别精准度。在21世纪之后,人工智能、深度学习兴起,也深深影响到了语音识别技术的发展。神经网络中的深度神经网络(DeepNeuralNetwork,DNN)、卷积神经网络(Convol ...
【技术保护点】
1.一种高龄老人不完整语音智能识别方法,其特征在于,包括如下步骤:/n步骤S1,语音数据预处理,采集原始语音信号,并对其进行预先处理,其中,具体包括如下步骤,/n步骤S11,语音信号加窗分帧;/n步骤S12,语音信号端点检测;/n步骤S13,采用信号子空间增强算法对语音增强处理;/n步骤S2,语音特征提取,对提取的特征参数进行融合;/n步骤S3,建立语音声学模型。/n
【技术特征摘要】
1.一种高龄老人不完整语音智能识别方法,其特征在于,包括如下步骤:
步骤S1,语音数据预处理,采集原始语音信号,并对其进行预先处理,其中,具体包括如下步骤,
步骤S11,语音信号加窗分帧;
步骤S12,语音信号端点检测;
步骤S13,采用信号子空间增强算法对语音增强处理;
步骤S2,语音特征提取,对提取的特征参数进行融合;
步骤S3,建立语音声学模型。
2.根据权利要求1所述的高龄老人不完整语音智能识别方法,其特征在于,所述步骤S11中,首先使用一个带通滤波器作为抗混叠滤波器,抑制语音信号中频率超过fs/2的混叠分量;
其次,通过分帧操作将语音信号分割成大量极短时间片段,分帧的实现是将原始语音序列x(n)和窗函数w(n)相乘,公式为:
再次,通过加窗处理使得语音信号表现出一些周期性函数的特征;
式中,fs为采样频率,其中为加窗分帧后语音数据,w(n)的长度等于帧长。
3.根据权利要求1所述的高龄老人不完整语音智能识别方法,其特征在于,所述步骤S12中语音信号端点检测采用改进的双门限法对语音信号端点进行检测,具体为将语音信号先经过语音增强,再经过中值滤波的平滑处理,最后进行端点检测。
4.根据权利要求1所述的高龄老人不完整语音智能识别方法,其特征在于,所述信号子空间增强算法如下:
设带噪语音信号为y,纯净语音信号为x,噪音信号为n,其对应的功率谱协方差矩阵分别为Ry、Rx、Rn,则具有以下的关系式:
y=x+n(1.2)
Ry=Rx+Rn(1.3)
其中,y=[y1,y2,...,yk],x=[x1,x2,...,xk],n=[n1,n2,...,nk],K为语音信号长度,
Rx=UΛxUT(1.4)
其中,为特征值降序排列的纯净语音特征值矩阵,其中有Q个非零特征值,K-Q个零特征值;
设噪声方差为则噪音功率谱协方差矩阵为:
若噪声不为白噪声,则需要进行预白化,此时带噪语音信号功率谱协方差矩阵为:
其中为特征值降序排列的带噪语音特征值矩阵,其特征值如下:
从式(1.7)中可以看出,同时包含噪音信号和纯净语音信号的信号子空间维度为Q,只包含噪音信号的噪声子空间维度为K-Q;
设H为K×K的时域线性估计器,带噪语音信号通过H可以分离开信号子空间和噪声子空间,其输出的估计值为:
则估计值与实际值的误差ε为:
其中εx称为语音失真,εn称为残留噪声;εx越大则增强语音失真度越大,语音畸变越大,εn越大增强后残留噪声越大;两者能量为:
得到近似最优滤波器,即求解:
其中0≤α≤1,也就是在保证残留噪音能量在一定范围下使得语音失真能量最小,当α≥1时,取H=I时为此问题最...
【专利技术属性】
技术研发人员:罗晓君,杨金水,孙瑜,罗湘喜,
申请(专利权)人:江苏慧明智能科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。