[发明专利]一种音频识别系统

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种音频识别系统。

背景技术

利用一些设备实现未知音频的识别，成为一种新的应用趋势。音频识别技术能够应用于听歌识曲、声音文字转换、在线翻译等各种场景下，为人们的工作生活提供了便利。

在现有技术中，通过一声音采集设备采集周围的音频信息，并对音频信息进行处理，从而得到音频的最终识别结果，但是，由于采集音频时，要采集的目标声源的位置和数量是不可控的，因此，采集过程中不可避免的要受到噪声的影响，从而降低了音频识别的准确度；其次，当存在多个声源时，现有的音频识别方案的识别效果也不理想，因此，如何提出一种音频识别系统，用以在噪声干扰或存在多个声源时依然获得很好的实时音频跟踪与处理能力，提高音频识别的准确度，是一亟待解决的技术问题。

发明内容

本发明提供一种音频识别系统，用以提高音频识别的准确度。

本发明提供一种音频识别系统，包括：

声源定向单元，用于从收集到的多路音频信号中确定入射角度为预设角度的N路音频信号；

卷积特征图获取组件，用于获取所述N路音频信号对应的N张卷积特征图；

梅尔倒谱系数获取组件，用于获取所述N路音频信号对应的N个梅尔频率倒谱系数特征；

全连接神经网络单元，用于根据所述卷积特征图获取组件获取到的N张特征图，以及所述梅尔倒谱系数获取组件获取到的N个梅尔频率倒谱系数特征计算所述N路音频信号的音频分类与识别结果。

本发明的有益效果在于：能够同时收集多路音频，实现多个声源音频的实时定向、实时跟踪以及实时识别，从而，在噪声干扰或存在多个声源时依然获得很好的实时音频跟踪与处理能力，提高音频识别的准确度。

在一个实施例中，所述系统还包括：

麦克风阵列单元，用于收集所述多路音频信号。

在一个实施例中，所述系统还包括：

音频处理组件，用于对所述音频信号进行处理，包括：

第一音频信号接收单元，用于接收所述麦克风阵列单元收集到的多路音频信号以及所述声源定向单元确定的所述N路音频信号；

音频增益单元，用于将所述声源定向单元确定的所述N路音频信号进行多倍增益；

音频抑制单元，用于将除所述N路音频信号之外的其他路音频信号进行抑制。

在一个实施例中，

所述音频增益单元和所述音频抑制单元中配置的算法为时间延迟波束形成算法与Frost波束形成算法。

在一个实施例中，所述系统还包括：

FFT计算组件，包括：

第二音频信号接收单元，用于接收进行多倍增益后的所述N路音频信号；

频谱计算单元，用于计算所述N路音频信号的频谱；

频谱发送单元，用于将计算的所述N路音频信号的频谱分别发送至所述卷积特征图获取组件和所述梅尔倒谱系数获取组件。

在一个实施例中，所述卷积特征图获取组件，包括：

语谱图计算单元，用于根据所述N路音频信号的频谱计算所述N路音频信号对应的N张语谱图；

图像选择器，用于逐一接收所述N张语谱图，并在接收到每张语谱图时将其发送至卷积神经网络单元；

卷积神经网络单元，用于在接收到所述语谱图时，根据每张语谱图计算每路音频信号对应的卷积特征图。

在一个实施例中，所述语谱图计算单元根据以下方式获得所述N路音频信号对应的N张语谱图：

将每路音频信号在预设时间内得到的频谱中的时间作为x轴，频率作为y轴，能量作为z轴进行数据放置；

当达到预设时间后，得到N张以x轴为图像宽，y轴为图像高，z轴为图像颜色的语谱图。

在一个实施例中，所述梅尔倒谱系数处理组件，包括：

梅尔频率倒谱系数单元，用于根据所述N路音频信号的频谱计算所述N路音频信号对应的N个梅尔频率倒谱系数特征；

数据选择器，用于逐一接收所述N个梅尔频率倒谱系数特征，并在接收到每个梅尔频率倒谱系数特征时将其发送至全连接神经网络单元。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明