[发明专利]一种基于声音特征范围提高声纹识别速度的方法及系统

说明书

技术领域

本发明属于语音信号处理领域，尤其涉及一种基于声音特征范围提高声纹识别速度的方法及系统。

背景技术

家用服务机器人是当今前沿高技术研究最活跃的领域之一，它可以完成有益于人类的服务工作，如提供家务、娱乐休闲、教育、安全监控等服务，拥有广泛的潜在客户群体与市场，现有的家用服务机器人广泛采用语音识别技术实现人机交互，让机器人能够听懂人类语音，以执行相应动作，然而，现有的机器人尚无法准确识别说话人身份，无法满足用户个性化的需求。随着计算机技术和数字信号处理理论的发展出现的声纹识别技术，通过从说话人的一段语音中，提取出反映该说话人生理、心理的语音特征参数，通过对语音特征参数进行分析建模与模式匹配，来实现辨认或确认未知说话人身份的目的。然而，现有的声纹识别系统往往是针对一特定的应用场景进行设计，当系统的应用场景发生改变时，自适应能力不强，无法实现人机自由交流，且由于声纹识别的速度过慢，造成用户体验差，这是本领域技术人员所不期望看到的。

发明内容

为解决以上技术问题，提供一种基于声音特征范围提高声纹识别速度的系统，解决现有识别方法的缺陷。

具体技术方案如下：

一种基于声音特征范围提高声纹识别速度的方法，其中，应用于家用机器人，具体工作步骤包括：

S1：采集语音信号；

S2：对所述语音信号进行预处理；

S3：自所述预处理后的语音信号中提取语音特征参数，所述语音特征参数包括线性预测得到的第一类特征参数及模拟人耳对声音频率的感知特性而提取的第二类特征参数；

S4：为每一个家庭成员建立一个码本存储在语音数据库中作为所述家庭成员的语音模板，所述家庭成员的所有码本构成一声学模型；

S5：预先训练得到对应儿童、成年人以及老年人的声音特征范围，并根据声音特征范围将所述声学模型区分为第一声学模型和第二声学模型，其中，所述第一声学模型包括对应成年人的声音特征范围内的训练语句，所述第二声学模型包括对应儿童和老年人的声音特征范围内的训练语句，并在通电时将所述第一声学模型加载至缓存中；

S6：依据所述第一声学模型和第二声学模型对待测语音信号进行模式匹配，获取识别结果。

上述的基于声音特征范围提高声纹识别速度的方法，所述步骤S2中，所述预处理的步骤依次包括：

步骤S21，对所述预处理后的语音信号进行采样和量化以获得数字语音信号；

步骤S22，所述数字语音信号通过一滤波器组以提升所述数字信号的高频成分；

步骤S23，对步骤S22得到的语音信号进行分帧与加窗，获得加窗后的语音信号。

上述的基于声音特征范围提高声纹识别速度的方法，所述步骤S3中提取所述第一类特征参数为线性预测系数，提取步骤如下：

步骤S31a，定义短时语音信号和误差信号；

步骤S32a，计算所述短时语音信号和所述误差信号的误差平方和；

步骤S33a，对所述误差平方和求导数，并求解方程组获得所述第一类特征参数。

上述的基于声音特征范围提高声纹识别速度的方法，所述步骤S3中提取所述第二类特征参数的步骤包括：

步骤S31b，对所述预处理后的语音信号进行傅里叶变换得到线性频谱；

步骤S32b，对所述线性频谱通过一三角形带通滤波器组得到相应的梅尔频谱；

步骤S33b，计算所述梅尔频谱的对数频谱；

步骤S34b，对所述对数频谱进行离散余弦变换得到第二类特征参数。

上述的基于声音特征范围提高声纹识别速度的方法，所述步骤S4的具体步骤如下：

步骤S41，自所述语音信号中提取N个特征矢量，通过聚类法对所述特征 矢量进行归类得到M个码本；

步骤S42，得到每个类对应的码本矢量；

步骤S43，建立每一个家庭成员的码本矢量的集合构成声学模型。

上述的基于声音特征范围提高声纹识别速度的方法，所述步骤S6具体如下，

步骤S61，将待识别的语音信号依次与所述第一声学模型和第二声学模型作相似性匹配，并根据加权欧式距离测度进行判断；

步骤S62，选取适当的距离度量作为门限值；

步骤S63，满足门限值范围内的结果作为识别结果。

还提供，一种基于声音特征范围提高声纹识别速度的系统，包括

语音输入模块，用于捕获语音信号；

预处理模块，与所述语音输入模块连接，用于对所述语音信号进行预处理；