[发明专利]一种应用于噪声环境下语音识别的语音增强方法

说明书

本发明公开了一种应用于噪声环境下语音识别的语音增强方法，该方法将利用语音时频域稀疏性原理的基于时频掩蔽的改进MVDR波束形成与改进维纳滤波相结合，采集麦克风阵列语音信号，构建一个基于时频掩蔽的MVDR波束形成器，充分利用语音信号的空间信息，增强目标方向的语音信号，抑制其他方向噪声的干扰，然后通过一个改进的维纳滤波器去除残留的噪声并提高语音可懂度，该方法应用在语音识别前端，能够有效去除噪声，提高语音可懂度，进而提高语音识别系统的识别率，解决了在噪声环境下如何减少语音失真，提高噪声环境下语音的识别率的问题。该方法可应用在家居型机器人，智能语音设备等方面。

技术领域

本发明涉及噪声环境下语音识别技术领域，具体是一种应用于噪声环境下语音识别的语音增强方法。

背景技术

随着计算机和互联网技术的发展，语音识别技术取得了显著的进步，开始从科研机构研究逐步走向市场，广泛应用于工业、通信、家庭服务、医疗等各个领域。语音识别主要是为了能够让机器理解人类语言的内容，以执行相应的操作，实现人机交互的目的。

近些年来，语音识别技术发展迅速，单通道语音识别技术在理想环境下已经取得了较高的识别率，如何提高实际场景噪声环境下语音的识别率是现阶段研究人员关注的焦点。为解决噪声污染问题，提高语音可懂度和语音识别率，近年来提出了多种适方法，如谱减法、基于维纳滤波的方法，子空间分解法，最小均方误差估计等，这些算法虽然在一定程度上有效地去除噪声，但同时也不同程度地产生失真和引入音乐噪声，导致增强后语音的识别率并没有得到大的改善。

采用多通道麦克风阵列，与单通道语音识别相比，能更好的采集目标声源信号并提高语音可懂度，目前采用的方法有固定波束形成，自适应噪声抵消等。

发明内容

本发明的目的在于针对安静环境下语音识别率高而噪声环境下识别率急剧下降的问题，而提出了一种应用于噪声环境下语音识别的语音增强方法，该方法能够有效去除实际环境下含噪语音信号中的噪声成分，提高语音识别系统的语音识别率，对于家居型语音交互机器人或移动智能设备有良好的应用前景。

实现本发明目的的技术方案是：

一种应用于噪声环境下语音识别的语音增强方法，是构建一个基于时频掩蔽的MVDR波束形成器，并后置一个改进维纳滤波器对目标声源方向进行语音增强处理，具体包括如下步骤：

1)采用四元麦克风阵列模型接收语音信号，麦克风阵列接收到的带噪语音信号的时域表示为：y_m(t)＝s_m(t)+n_m(t),m＝1,2,……M，其中M表示麦克风数，s_m(t)表示纯净语音信号，n_m(t)表示干扰噪声信号；

2)对步骤1)接收到的带噪语音信号进行短时傅里叶变换，得到时频域信号的表示形式为Y_m(f,t)＝S_m(f,t)+N_m(f,t)，其中Y_m(f,t)、S_m(f,t)、N_m(f,t)分别表示第m个麦克风采集到的在时间t、频率f处的信号、目标声源信号和噪声信号，则所有麦克风阵列信号表示为Y(f,t)＝[Y₁(f,t)，…，Y_M(f,t)]^T；

3)构建一个基于时频掩蔽的改进最小方差无畸变响应波束形成器，通过将步骤2)中的麦克风阵列信号的矢量系数与复权因子相乘，得到麦克风阵列初步增强的语音信号；

4)在步骤3)中的构建一个基于时频掩蔽的改进最小方差无畸变响应波束形成器，还后置一个改进维纳滤波器，对步骤3)得到麦克风阵列初步增强的语音信号的目标声源方向进行进一步的语音增强处理，对于经过基于时频掩蔽的MVDR波束形成器后，语音含有噪声残留及语音畸变，使用一个改进的维纳滤波器提高语音的可懂度，得到最终增强后的语音信号；