[发明专利]一种适用于低信噪比环境下语种识别方法

权利要求书

1.一种低信噪比环境下语种识别方法，包括以下步骤：

S1、对语音滤波：使用滤波器滤除高频部分信息，得到低频部分的语音信号。

S2、对滤波信号隔点取样：对滤波信号采用重采样技术进行时域上的隔A点取样。

S3、预处理：取样后的信号进行预处理，包括预加重、幅值归一化、分帧。

S4、提取幅度谱：对预处理的信号提取的幅度谱。

S5、幅度谱取样：根据奈奎斯特采样定理对提取的幅度谱进行隔K点取样处理。

S6、生成训练模型：将提取的语种的幅度谱输入到训练模型进行训练，从而得到对应的语种模型。

S7、语种识别：将提取的语种模型挂载到服务器上，在客户端采集需要识别的语音数据，输入到服务器进行打分判决识别，然后输出识别结果并返回到客户端网页上。

2.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：

使用滤波器滤除语音高频部分信息，从而得到低频部分的语音信号。

3.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：对滤波信号采用重采样技术进行时域上的隔A点取样。

4.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：对取样的信号进行预处理，包括预加重、幅值归一化、分帧。

5.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：对预处理的信号进行FFT变换、取模、平滑处理、取对数、IFFT变换、构建声道冲激倒谱序列、幅度谱，从而得到幅度谱。

6.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：根据奈奎斯特采样定理对提取的幅度谱进行隔K点取样处理。

7.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：将提取的语种的取样幅度谱特征输入到训练模型进行训练，从而得到对应的语种模型。

8.根据权利要求1所述的一种低信噪比环境下的特征提取算法，其特征在于：将语音滤波取样，提取取样幅度谱特征并与训练好的语种模型进行打分判决，最后输出识别结果并返回到客户端。