[发明专利]利用周期指示的声音识别

说明书

提供了一种计算机实现的方法和装置。该方法包括由处理器获得音频信号数据的频谱。该方法还包括由处理器从频谱中提取周期性指示。该方法还包括由处理器将周期性指示和频谱的分量输入神经网络。该方法还包括由处理器估计来自神经网络的声音识别信息。

技术领域

本发明涉及基于音频信号的频谱中的周期性指示来估计声音识别。

背景技术

许多传统的语音识别系统使用由log-Mel或Mel-Frequency CepstrumCoefficients(MFCC)处理的特征作为输入特征。Log-Mel和MFCC将Mel滤波器组应用于音频信号数据的频谱。然而，Mel滤波器组不保留音频信号数据中的更高分辨率信息。通常，人类语音中的谐波结构通过Mel滤波过程丢失。谐波结构提供可用于将元音与其他音素区分开的信息。

同时，当前的语音识别系统在计算上是昂贵的，因此需要大量时间或许多计算资源。需要以可以改善系统性能的方式将谐波结构集成到语音识别系统中。

发明内容

根据本发明的一个方面，提供了一种计算机实现的方法，包括由处理器获得音频信号数据的频谱。该方法还包括由处理器从频谱中提取周期性指示。该方法还包括由处理器将周期性指示和频谱分量输入神经网络。该方法还包括由处理器估计来自神经网络的声音识别信息。

根据本发明的另一方面，提供了一种计算机程序产品，其具有与其一起实现的指令。指令可由处理器或可编程电路执行，以使处理器或可编程电路执行方法。该方法包括获得音频信号数据的频谱。该方法还包括从频谱中提取周期性指示。该方法还包括将周期性指示和频谱的分量输入神经网络。该方法还包括估计来自神经网络的声音识别信息。

根据本发明的又一方面，提供了一种包括处理器的装置。该装置还包括一个或多个计算机可读介质，它们共同包括指令，当由处理器执行时，使得处理器获得音频信号数据的频谱，从频谱中提取周期性指示，输入周期性指示和频谱的分量进入神经网络，并估计来自神经网络的声音识别信息。

从以下结合附图阅读的本发明的说明性实施例的详细描述中，这些和其他特征和优点将变得显而易见。

附图说明

以下描述将参考以下附图提供本发明优选实施例的细节，其中：

图1示出了根据本发明实施例的装置10的示例性配置；

图2示出了根据本发明实施例的音频信号中观察到的频谱的频谱图。

图3示出了根据本发明实施例的操作流程；

图4示出了根据本发明实施例的对应于S130的操作子流程。

图5示出了根据本发明实施例的对应于S150的操作子流程。

图6示出了根据本发明实施例的对数功率谱。

图7示出了根据本发明实施例的倒谱；

图8示出了根据本发明实施例的截止倒谱；

图9示出了根据本发明实施例的I-DCT频谱。

图10示出了根据本发明实施例的周期性指示；

图11示出了根据本发明实施例的经Mel滤波的周期性指示；

图12示出了根据本发明实施例的深度神经网络；

图13示出了根据本发明实施例的卷积神经网络。

图14示出了根据本发明实施例的深度神经网络；

图15示出了根据本发明实施例的卷积神经网络；以及

图16示出了根据本发明实施例的用作系统的计算机800的示例性硬件配置。

具体实施方式