[发明专利]一种基于粒子群算法的说话人语音识别方法、装置和设备

权利要求书

1.一种基于粒子群算法的说话人语音识别方法，其特征在于，包括：

获取去噪后的说话人语音；

对所述说话人语音进行语音特征提取，得到所述说话人语音各音素的声纹特征；

根据检材语音特征设定目标函数，基于粒子群算法对说话人的语音音素进行寻优，得到最佳声纹特征；

将所述最佳声纹特征输入预置识别模型进行语音识别。

2.根据权利要求1所述的基于粒子群算法的说话人语音识别方法，其特征在于，所述对所述说话人语音进行语音特征提取，得到所述说话人语音各音素的声纹特征，包括：

对所述说话人语音进行MFCC语音特征提取，得到所述说话人语音各音素的声纹特征。

3.根据权利要求2所述的基于粒子群算法的说话人语音识别方法，其特征在于，所述对所述说话人语音进行MFCC语音特征提取，得到所述说话人语音各音素的声纹特征，包括：

对所述说话人语音进行预加重处理，使所述说话人语音的频谱变得平坦；

将所述说话人语音分成若干帧，并将每一帧乘以汉明窗；

对各帧语音进行快速傅里叶变换，得到各帧语音的频谱，从语音的频谱获得语音的能量谱；

将语音的能量谱通过一组Mel尺度的三角形滤波器组；

计算每个三角形滤波器输出的对数能量，将对数能量经离散余弦变换，得到MFCC系数阶数阶的Mel-scaleCepstrum参数；

提取语音的动态差分参数，得到所述说话人语音各音素的声纹特征。

4.根据权利要求3所述的基于粒子群算法的说话人语音识别方法，其特征在于，所述预加重参数为0.97，一帧的采样点为512个，帧与帧之间的重叠区域包含171个采样点，加窗参数为0.46，快速傅里叶变换点数为512，三角滤波器个数为26，MFCC阶数为16。

5.一种基于粒子群算法的说话人语音识别装置，其特征在于，包括：

获取单元，用于获取去噪后的说话人语音；

特征提取单元，用于对所述说话人语音进行语音特征提取，得到所述说话人语音各音素的声纹特征；

寻优单元，用于根据检材语音特征设定目标函数，基于粒子群算法对说话人的语音音素进行寻优，得到最佳声纹特征；

识别单元，用于将所述最佳声纹特征输入预置识别模型进行语音识别。

6.根据权利要求5所述的基于粒子群算法的说话人语音识别装置，其特征在于，所述特征提取单元，具体用于：

对所述说话人语音进行MFCC语音特征提取，得到所述说话人语音各音素的声纹特征。

7.根据权利要求6所述的基于粒子群算法的说话人语音识别装置，其特征在于，所述特征提取单元，具体用于：

对所述说话人语音进行预加重处理，使所述说话人语音的频谱变得平坦；

将所述说话人语音分成若干帧，并将每一帧乘以汉明窗；

对各帧语音进行快速傅里叶变换，得到各帧语音的频谱，从语音的频谱获得语音的能量谱；

将语音的能量谱通过一组Mel尺度的三角形滤波器组；

计算每个三角形滤波器输出的对数能量，将对数能量经离散余弦变换，得到MFCC系数阶数阶的Mel-scaleCepstrum参数；

提取语音的动态差分参数，得到所述说话人语音各音素的声纹特征。

8.根据权利要求7所述的基于粒子群算法的说话人语音识别装置，其特征在于，所述预加重参数为0.97，一帧的采样点为512个，帧与帧之间的重叠区域包含171个采样点，加窗参数为0.46，快速傅里叶变换点数为512，三角滤波器个数为26，MFCC阶数为16。

9.一种基于粒子群算法的说话人语音识别设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的基于粒子群算法的说话人语音识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的基于粒子群算法的说话人语音识别方法。