[发明专利]一种基于特征剪裁和平移的语音识别数据增强方法

权利要求书

1.一种基于特征剪裁和平移的语音识别数据增强方法，其特征在于，包括以下步骤：

首先，对输入的语音片段，将其音频信号的波形文件输入到系统模型中进行特征提取，得到音频信号的特征矩阵F，该二维矩阵即为特征值；

然后，根据随机选取裁剪时间段的长度的上限，采样得到随机选取裁剪时间段的起点和长度；根据随机选取裁剪频率段的长度上限，采样得到随机选取裁剪频率段的起点和长度；

之后，根据随机选取裁剪时间段的起点和长度，生成时间裁剪平移矩阵L；根据随机选取裁剪频率段的起点和长度，生成频率裁剪平移矩阵R；

随后，使用时间裁剪平移矩阵L、频率裁剪平移矩阵R，对特征矩阵F做矩阵变换，得到新的音频信号特征

最后，利用新的音频信号特征训练语音识别模型，完成语音识别数据增强。

2.如权利要求1所述的一种基于特征剪裁和平移的语音识别数据增强方法，其特征在于，二维数组F中，第一维代表时间，第二维代表频率，其矩阵大小为M×N，其中，常数M表示使用的音频信号特征在时间维度的长度，常数N表示使用的音频信号特征在频率维度的长度；

设变量t表示随机选取裁剪时间段的长度，设常数T表示随机选取裁剪时间段的长度t的上限，设变量t₀表示随机选取裁剪时间段的起点，设常数K表示随机选取裁剪频率段的长度上限，设变量k表示随机选取裁剪频率段的长度；

从0到T中均匀采样一个值t作为裁剪时间段的长度，从0到M-t中均匀采样一个值t₀作为裁剪时间端的起点；根据t和t₀，生成时间裁剪平移矩阵L：

其中，E₁表示形状为t₀×t₀的单位矩阵，E₂表示形状为(M-t-t₀)×(M-t-t₀)的单位矩阵；

从0到K中，均匀采样一个值k作为裁剪频率段的长度，从0到N-k中，均匀采样一个值k₀作为裁剪频率段的起点；根据k和k₀，生成裁剪平移矩阵R：

其中，E₃表示形状为k₀×k₀的单位矩阵，E₄表示形状为(N-k-k₀)×(N-k-k₀)的单位矩阵。

3.如权利要求1所述的一种基于特征剪裁和平移的语音识别数据增强方法，其特征在于，利用音频信号特征使用Transformer架构的端到端模型进行训练。

4.如权利要求1所述的一种基于特征剪裁和平移的语音识别数据增强方法，其特征在于，对音频信号的波形文件进行特征提取，采用MFCC方法。