[发明专利]定位语音中的关键词的方法和设备以及语音识别系统

权利要求书

1.一种定位待识别语音中的关键词的方法，包括步骤：

提取构成所述待识别语音的各个帧的特征参数矢量，以形成用于描述待识别语音的特征参数矢量序列；

利用包含多个码本矢量的码本对特征参数矢量序列进行规整化处理，以得到待识别语音在矢量空间中的特征轨迹；以及

匹配预先存储的关键词模板轨迹和所述特征轨迹，以确定关键词的位置。

2.如权利要求1所述的方法，其中，所述规整化步骤包括：

从所述特征参数矢量序列中提取代表性特征参数矢量，来表征所述特征轨迹。

3.如权利要求2所述的方法，其中，所述提取代表性特征参数矢量的步骤包括步骤：

在所述码本中搜索与所述特征参数矢量最接近的码本矢量；

用搜索的码本矢量的编号表示所述特征参数矢量；以及

对连续用相同的码本矢量表示的特征参数矢量进行合并，以表示所述特征轨迹。

4.如权利要求1到3之一所述的方法，其中，所述匹配步骤包括；

利用各个关键词模板轨迹，针对每一轨迹帧，依次计算表示所述关键词模板轨迹的各个模板特征矢量与表示所述特征轨迹的各个代表性特征参数矢量之间的距离，所述轨迹帧是所述特征轨迹的时域表示；

确定所述距离中的最小值；以及

将与所述最小值所对应的关键词模板轨迹在矢量空间中的位置确定为关键词的位置。

5.如权利要求4所述的方法，其中，所述特征参数矢量包括下面参数中的至少一个：

倒谱参数、倒谱参数的能量值、倒谱参数的一阶导数、倒谱参数的二阶导数、能量值的一阶导数以及能量值的二阶导数。

6.如权利要求4所述的方法，其中，所述距离是用码本矢量距离表示的，所述码本矢量距离是所述码本中任意两个码本矢量之间的距离。

7.如权利要求6所述的方法，其中，所述码本矢量距离是以矩阵的形式预先存储的。

8.如权利要求1所述的方法，其中，所述关键词模板轨迹是基于所述码本而生成的。

9.如权利要求8所述的方法，其中，通过下面的步骤获得关键词模板轨迹：

通过音节和音素模型之间的对应关系获得关键词的各个音节的音素名；

通过音素模型和状态之间的对应关系获得关键词的各个状态，形成状态矢量；

用所述码本中与状态矢量对应的编号表示音素模型的码本矢量序列编号；

对连续用相同码本矢量编号表示的音素模型的码本矢量序列编号进行合并；以及

顺序连接合并后的各个码本矢量序列编号，来得到关键词模板轨迹。

10.如权利要求8所述的方法，其中，通过下面的步骤获得关键词模板轨迹：

对输入的关键词的音频帧进行切分，提取各个音频帧的特征参数矢量，以形成该关键词的特征参数矢量序列；以及

通过用所述码本对特征参数矢量序列进行规整化处理，来产生表示所述关键词模板轨迹的模板矢量序列。

11.如权利要求1所述的方法，其中，所述码本是通过下面的步骤获得的：

从基于隐马尔可夫模型的声学模型中提取描述各个音素模型的状态的统计参数，形成各个状态的特征矢量；以及

通过用编号表示各个状态的特征矢量，来生成所述码本中的各个码本矢量。

12.如权利要求11所述的方法，其中，所述音素模型是通过多个应用领域的语料训练而生成的。

13.一种定位待识别语音中的关键词的设备，包括：

特征提取装置，用于提取构成所述待识别语音的各个帧的特征参数矢量，以形成用于描述待识别语音的特征参数矢量序列；

规整化装置，用于利用包含多个码本矢量的码本对特征参数矢量序列进行规整化处理，以得到待识别语音在矢量空间中的特征轨迹；以及

匹配装置，用于匹配预先存储的关键词模板轨迹和所述特征轨迹，以确定关键词的位置。

14.如权利要求13所述的设备，其中，所述规整化装置从所述特征参数矢量序列中提取代表性特征参数矢量，来表征所述特征轨迹。