[发明专利]一种基于频谱包络图的可变时长语音的语种识别方法

权利要求书

1.一种基于频谱包络图的可变时长语音的语种识别方法，其特征在于：

Step1：将不同语种的长段语音信号分割为短时语音，将短时语音信号的时长定义为t秒；

Step2：对于短时语音进行分帧、加窗函数，然后求出时长为t秒的短时语音的每一帧的频谱包络；

Step3：将同一短时语音的每一帧频谱包络组合起来，绘制出每段语音对应的频谱包络图；

Step4：对生成的频谱包络图进行滤波，使其频率在500HZ到3000HZ的范围内；

Step5：将每种语种的频谱包络图按N：m分配为训练集和测试集，并打上对应语种的标签；

Step6：将训练集拟合到残差网络，通过调整参数得到不同的语种识别模型，用测试集对这些语种识别模型进行测试，选出语种识别率最高的语种识别模型；

Step7：当待测语音的时长不等时，将这些语音信号分割为若干的短时语音信号，时长为t秒，再将每段长语音分割得到的若干短语音拟合到Step6中的语种识别模型中，通过统计这些短语音的识别情况来判别时长语音的语种。