[发明专利]一种用于音频检索的模板自动清洗方法及系统

权利要求书

1.一种用于音频检索的模板自动清洗方法，所述方法包括：

提取模板的语音信号的特征，形成语音特征序列；

将语音特征序列输入预先训练好的深度神经网络，输出每一帧语音特征的后验概率；

将后验概率转换为似然概率，然后进行Viterbi解码，输出最终的模板清洗结果；

所述语音特征包括：感知线性预测系数、基音频率及其可靠性表征和一维先验SNR估计。

2.根据权利要求1所述的用于音频检索的模板自动清洗方法，其特征在于，所述深度神经网络的训练步骤包括：

步骤1)构建前向神经网络结构的深度神经网络，其包括一个输入层、三个隐含层和一个输出层；输出状态为两类：语音和非语音；

步骤2)提取训练样本集中的每个训练样本的语音特征序列，包括：感知线性预测系数、基音频率及其可靠性表征和一维先验SNR估计；

步骤3)将训练样本的语音特征序列输入深度神经网络，结合分类标签，采用基于交叉熵准则的反向传播算法进行训练，得到训练好的深度神经网络。

3.根据权利要求2所述的用于音频检索的模板自动清洗方法，其特征在于，每一帧语音特征的后验概率为：

4.根据权利要求3所述的用于音频检索的模板自动清洗方法，其特征在于，所述Viterbi解码的步骤具体包括：

步骤S1)预先设定Viterbi解码的两个参数：各个状态间的帧转移概率以及各个状态的先验概率值；

步骤S2)从语音信号的起始点对语音进行逐帧判断，对于当前这一帧，通过前每一帧出现各个状态的后验概率，乘以帧间转移概率，得到某一序列出现的总概率，最大概率对应的路径就是最有可能出现的隐含序列。

5.一种用于音频检索的模板自动清洗系统，包括存储器、处理器和存储在存储器上的并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1～4之一所述方法的步骤。