[发明专利]一种应用于噪声环境下语音识别的语音增强方法

摘要

本发明公开了一种应用于噪声环境下语音识别的语音增强方法，该方法将利用语音时频域稀疏性原理的基于时频掩蔽的改进MVDR波束形成与改进维纳滤波相结合，采集麦克风阵列语音信号，构建一个基于时频掩蔽的MVDR波束形成器，充分利用语音信号的空间信息，增强目标方向的语音信号，抑制其他方向噪声的干扰，然后通过一个改进的维纳滤波器去除残留的噪声并提高语音可懂度，该方法应用在语音识别前端，能够有效去除噪声，提高语音可懂度，进而提高语音识别系统的识别率，解决了在噪声环境下如何减少语音失真，提高噪声环境下语音的识别率的问题。该方法可应用在家居型机器人，智能语音设备等方面。

主权项

1.一种应用于噪声环境下语音识别的语音增强方法，是构建一个基于时频掩蔽的MVDR波束形成器，并后置一个改进维纳滤波器对目标声源方向进行语音增强处理，其特征在于，具体包括如下步骤：1)采用四元麦克风阵列模型接收语音信号，麦克风阵列接收到的带噪语音信号的时域表示为：ym(t)＝sm(t)+nm(t),m＝1,2,……M，其中M表示麦克风数，sm(t)表示纯净语音信号，nm(t)表示干扰噪声信号；2)对步骤1)接收到的带噪语音信号进行短时傅里叶变换，得到时频域信号的表示形式为Ym(f,t)＝Sm(f,t)+Nm(f,t)，其中Ym(f,t)、Sm(f,t)、Nm(f,t)分别表示第m个麦克风采集到的在时间t、频率f处的信号、目标声源信号和噪声信号，则所有麦克风阵列信号表示为Y(f,t)＝[Y1(f,t)，…，YM(f,t)]T；3)构建一个基于时频掩蔽的改进最小方差无畸变响应波束形成器，通过将步骤2)中的麦克风阵列信号的矢量系数与复权因子相乘，得到麦克风阵列初步增强的语音信号；4)在步骤3)中的构建一个基于时频掩蔽的改进最小方差无畸变响应波束形成器，还后置一个改进维纳滤波器，对步骤3)得到麦克风阵列初步增强的语音信号的目标声源方向进行进一步的语音增强处理，对于经过基于时频掩蔽的MVDR波束形成器后，语音含有噪声残留及语音畸变，使用一个改进的维纳滤波器提高语音的可懂度，得到最终增强后的语音信号；5)对步骤4)得到的最终增强后的语音信号，提取梅尔频率倒谱系数及其一阶导数，作为特征参数，输入到通过隐马尔可夫模型搭建并使用纯净语音训练好的语音识别系统中进行识别。