语音特征提取的处理方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术公开了语音特征提取的处理方法、装置、计算机设备和存储介质，其中，语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将该偶数序列和该奇数序列，分别输入为复数信号的实部和该复数信号的虚部；将该复数信号输入预设快速傅里叶FFT框架模型，对该复数信号进行FFT变换输出该复数信号的信号频谱，其中，该预设FFT框架模型包括一级基2^2模块和二级基2^3模块；将该复数信号的信号频谱输入傅里叶逆变换RFFT单元，获取该语音信号的频谱数据，解决了复杂的FFT结构导致语音识别芯片的运转效率低下，对语音识别的时效性和功耗影响很大的问题，提高了语音识别的实效性和运行效率，降低了语音识别芯片的功耗。

Processing method, device, computer equipment and storage medium of speech feature extraction

【技术实现步骤摘要】
语音特征提取的处理方法、装置、计算机设备和存储介质
本专利技术涉及语音识别领域，具体而言，涉及语音特征提取的处理方法、装置、计算机设备和存储介质。
技术介绍
在语音识别的过程中，语音特征提取是非常重要的一个环节，原始语音数据经过梅尔倒谱系数(Mel-scaleFrequencyCepstralCoefficients，简称为MFCC)的特征提取，其过程包括短时傅里叶变换(shorttimeFouriertransform，简称为STFT)、梅尔滤波(Mel-filter)、取log、离散余弦变换(discretecosinetransform，简称为DCT)等步骤，之后将提取的语音特征编码通过神经网络训练识别其信息内容。在此过程中快速傅里叶变换(fastFouriertransform，简称为FFT),是一种实现傅里叶变换的快速算法，实现FFT的方法多样，通常为基2为底的时域抽取蝶形算法(cooley-turkey算法)。FFT可以使离散傅里叶变换(DiscreteFourierTransform，简称为DFT)的时间复杂度从n^2减小到nlo本文档来自技高网...

【技术保护点】
1.一种语音特征提取的处理装置，其特征在于，所述装置包括：/n抽取模块，用于将语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输入为复数信号的实部和所述复数信号的虚部；/n变换模块，用于将所述复数信号输入预设快速傅里叶FFT框架模型，对所述复数信号进行FFT变换输出所述复数信号的信号频谱，其中，所述预设FFT框架模型包括一级基2^2模块和二级基2^3模块；/n逆变换模块，用于将所述复数信号的信号频谱输入傅里叶逆变换RFFT单元，获取所述语音信号的频谱数据。/n

【技术特征摘要】
1.一种语音特征提取的处理装置，其特征在于，所述装置包括：
抽取模块，用于将语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输入为复数信号的实部和所述复数信号的虚部；
变换模块，用于将所述复数信号输入预设快速傅里叶FFT框架模型，对所述复数信号进行FFT变换输出所述复数信号的信号频谱，其中，所述预设FFT框架模型包括一级基2^2模块和二级基2^3模块；
逆变换模块，用于将所述复数信号的信号频谱输入傅里叶逆变换RFFT单元，获取所述语音信号的频谱数据。


2.根据权利要求1所述装置，其特征在于，将语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输入为复数信号的实部和所述复数信号的虚部包括以下之一：
获取到512点语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输入256点的复数信号实部和虚部；
获取到256点语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输入128点的复数信号实部和虚部。


3.根据权利要求1所述装置，其特征在于，所述装置还包括：
提取模块，用于将所述频谱数据输入Mel滤波器，进行倒谱运算，提取所述语音信号的语音包络特征。


4.根据权利要求3所述装置，其特征在于，所述装置还包括：
神经网络识别模块，用于获取所述语音信号的语音包络特征之后，所述语音包络特征进行编码后，输入神经网络训练模型进行语音识别。


5.一种语音特征提取的处理方法，其特征在于，所述方法包括：
将语音信号的实数序列，按奇偶分开为偶数序列和奇数序列，将所述偶数序列和所述奇数序列，分别输...

【专利技术属性】
技术研发人员：曹堉棋，彭博，傅金泉，顾渝骢，高婧洁，曹书红，
申请(专利权)人：杭州智芯科微电子科技有限公司，
类型：发明
国别省市：浙江;33