[发明专利]用于语音分离、识别的短时傅里叶变化的优化方法及系统

权利要求书

1.一种用于语音分离的短时傅里叶变化的优化方法，包括：

通过设定窗长上限的窗函数控制短时傅里叶变换的滑动窗口长度，使所述滑动窗口长度连续可变；

利用所述短时傅里叶变换的滑动窗口长度对混合噪声训练语音进行处理，得到音频幅度谱；

将所述音频幅度谱输入至语音分离模型进行有监督训练，根据所述有监督训练的收敛结果从长度连续可变的滑动窗口中确定备选窗口长度。

2.根据权利要求1所述的方法，其中，所述方法包括：当所述窗长上限为单个时，将所述备选窗口长度作为有效窗口长度。

3.根据权利要求1所述的方法，其中，所述方法还包括：当所述窗长上限为多个时，确定每个窗长上限的备选窗口长度以及所述备选窗口长度对应的短时客观可懂度和信号失真比；

基于所述短时客观可懂度和信号失真比从多个备选窗口长度中选取有效窗口长度。

4.根据权利要求1所述的方法，其中，所述将所述音频幅度谱输入至语音分离模型进行有监督训练包括：

通过所述语音分离模型确定所述音频幅度谱中每个说话人的预测语音；

将每个说话人的预测语音和预设每个说话人的参考语音确定的损失与滑动窗口长度联合训练，直至所述损失收敛。

5.一种用于语音识别的短时傅里叶变化的优化方法，包括：

通过设定窗长上限的窗函数控制短时傅里叶变换的滑动窗口长度，使所述滑动窗口长度连续可变；

利用所述短时傅里叶变换的滑动窗口长度，将训练语音转换为时频谱；

将所述时频谱输入至语音识别模型，根据预测识别结果与预设实际识别结果的误差进行端到端训练，根据训练结果从长度连续可变的滑动窗口中确定备选窗口长度。

6.根据权利要求5所述的方法，其中，所述方法包括：当所述窗长上限为单个时，将所述备选窗口长度作为有效窗口长度。

7.根据权利要求5所述的方法，其中，所述方法还包括：当所述窗长上限为多个时，确定每个窗长上限的备选窗口长度以及所述备选窗口长度对应的字错率；

选取所述字错率最低的备选窗口长度作为有效窗口长度。

8.一种用于语音分离的短时傅里叶变化的优化系统，包括：

窗长设定程序模块，用于通过设定窗长上限的窗函数控制短时傅里叶变换的滑动窗口长度，使所述滑动窗口长度连续可变；

音频处理程序模块，用于利用所述短时傅里叶变换的滑动窗口长度对混合噪声训练语音进行处理，得到音频幅度谱；

训练程序模块，用于将所述音频幅度谱输入至语音分离模型进行有监督训练，根据所述有监督训练的收敛结果从长度连续可变的滑动窗口中确定备选窗口长度。

9.一种用于语音识别的短时傅里叶变化的优化系统，包括：

窗长设定程序模块，用于通过设定窗长上限的窗函数控制短时傅里叶变换的滑动窗口长度，使所述滑动窗口长度连续可变；

频谱确定程序模块，用于利用所述短时傅里叶变换的滑动窗口长度，将训练语音转换为时频谱；

训练程序模块，用于将所述时频谱输入至语音识别模型，根据预测识别结果与预设实际识别结果的误差进行端到端训练，根据训练结果从长度连续可变的滑动窗口中确定备选窗口长度。

10.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述方法的步骤。

11.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。