[发明专利]语音处理方法、识别方法及其装置、系统、电子设备

权利要求书

1.一种语音处理方法，其特征在于，包括：

获取语音信号；

将所述语音信号由时域转换至频域，得到所述语音信号的频谱；

由所述语音信号的频谱提取得到幅度谱特征，以及基于将所述语音信号识别为目标音素的声学模型，将所述声学模型中其中一个网络层的输出，作为所述目标音素的瓶颈特征；

将所述幅度谱特征和所述目标音素的瓶颈特征拼接，获得语音增强模型的输入特征；

基于神经网络构建的语音增强模型，进行关于所述输入特征的语音增强处理，得到所述增强语音信号。

2.如权利要求1所述的方法，其特征在于，所述基于将所述语音信号识别为目标音素的声学模型，将所述声学模型中其中一个网络层的输出，作为所述目标音素的瓶颈特征，包括：

对所述语音信号的频谱进行输入特征提取，将提取到的输入特征输入所述声学模型的卷积层；

基于所述声学模型的卷积层，由所述声学模型的输入特征提取得到卷积特征，并输出至所述声学模型的LSTM层；

基于所述声学模型的LSTM层的输出，得到所述目标音素的瓶颈特征。

3.如权利要求2所述的方法，其特征在于，所述对所述语音信号的频谱进行输入特征提取，将提取到的输入特征输入所述声学模型的卷积层，包括：

根据所述语音信号的频谱，分别计算所述语音信号的Fbank特征、一阶差分、以及二阶差分；

对所述语音信号的Fbank特征、一阶差分、以及二阶差分进行拼接，得到所述声学模型的输入特征；

将所述声学模型的输入特征输入至所述声学模型的卷积层。

4.如权利要求1至3任一项所述的方法，其特征在于，所述将所述语音信号由时域转换至频域，得到所述语音信号的频谱，包括：

对所述语音信号进行短时傅里叶变换处理，得到所述语音信号的频谱。

5.如权利要求1至3任一项所述的方法，其特征在于，所述由所述语音信号的频谱提取得到幅度谱特征，包括：

对所述语音信号的频谱进行求平方运算；

对运算结果进行取log运算，得到所述幅度谱特征。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：根据训练样本对所述神经网络进行训练，得到所述语音增强模型，所述训练样本包括原始语音信号、由原始语音信号携带噪声信号所生成的带噪语音信号；

所述根据训练样本对所述神经网络进行训练，得到所述语音增强模型，包括：

根据所述训练样本中的原始语音信号和带噪语音信号，获得所述神经网络的输入特征和输出目标；

结合所述神经网络的参数，根据所述神经网络的输入特征和输出目标，构建收敛函数；

当所述神经网络的参数使得所述收敛函数收敛时，由所述神经网络收敛得到所述语音增强模型。

7.如权利要求6所述的方法，其特征在于，所述根据所述训练样本中的原始语音信号和带噪语音信号，获得所述神经网络的输入特征和输出目标，包括：

分别将所述原始语音信号和所述带噪语音信号由时域转换至频域；

由所述带噪语音信号的频谱提取得到幅度谱特征，作为所述神经网络的输入特征；

在所述原始语音信号的频谱与所述带噪语音信号的频谱之间进行求商运算，将运算结果作为所述神经网络的输出目标。

8.如权利要求1所述的方法，其特征在于，所述基于神经网络构建的语音增强模型，进行关于所述输入特征的语音增强处理，得到所述增强语音信号，包括：

将所述语音增强模型的输入特征输入所述语音增强模型的LSTM层，进行局部特征的提取；

将提取到的局部特征输入所述语音增强模型的全连接层，进行局部特征的融合，得到所述语音增强模型的输出目标；

由所述语音增强模型的输出目标得到所述增强语音信号。