[发明专利]一种减弱语音识别中说话人影响的方法

说明书

本发明公开了一种减弱语音识别中说话人影响的方法，具体步骤为：(1)获取实验数据,对实验数据按照提供的默认划分方式进行划分；(2)对数据进行基本声学特征提取；(3)对步骤(2)所得的最终特征进行基准语音识别系统训练；(4)对步骤(2)得到的最终特征进行说话人扰动信息提取器的训练；(5)进行带说话人扰动信息提取器的语音识别系统的训练；(6)获取实验结果。本发明无需收集用户样本就能提升基准系统的识别性能，而且本发明对任一用户都能保持一致的识别性能提升。

技术领域

本发明涉及语音识别领域，尤其涉及一种减弱语言识别中说话人影响的方法。

背景技术

语音信号是一种复杂的信号，即使同一个人重复说同样一句话，表现出来的声学特性也会有所差异；而不同说话人说同一句话，表现出来的声学特性的差异往往会更大；而这往往会降低语音识别系统的性能，而且，当用户的语音样本未出现在语音识别系统的训练集中时，识别性能往往会进一步降低；所以，在语音识别任务中，SI(说话人无关)系统的识别性能往往不如SD(说话人相关)系统的识别性能；而要建一个真正意义上的SD系统，则需要特定说话人的大量语音样本，这往往是不现实的；因此，减弱说话人的影响是提升语音识别系统性能的有效手段。

目前，主流的方法是先建一个SI系统，在收集用户的一些语音样本后，使用SA(说话人自适应)技术来调整SI系统的参数，以适应该用户，提升系统对该用户的识别性能；其中，SA技术主要包括MLLR(Maximum Likelihood Linear Regression)和EIGENVOICES技术。但是，该方法存在着两大局限：1、需要先收集用户的一些语音样本，而这会降低用户体验；2、在现实生活中，往往很难保证系统的使用者只有一个人；当使用SA技术对用户A进行适应后，系统对用户B的识别性能往往会下降；若对每个用户都采用SA技术进行适应，则会有多套系统参数，一方面将增加系统存储，另一方面，还需要搭建一个说话人识别系统来判断当前使用者是哪个用户，以选择相应的系统参数，这会使整个系统变得很复杂，而且说话人识别系统也不能做到100％的识别准确率。

发明内容

本发明的目的在于提供一种减弱语音识别中说话人影响的方法，本发明通过神经网络来搭建一个iEx(说话人扰动信息的提取器)，从语音中提取出说话人扰动信息后，直接减去该扰动信息，以此来减弱说话人的影响，提升系统的识别性能。

一种减弱语音识别中说话人影响的方法，具体步骤包括：

(1)获取实验数据,对实验数据按照提供的默认划分方式进行划分；

(2)对数据进行基本声学特征提取；

(3)对步骤(2)所得的最终特征进行baseSys(基准语音识别系统)训练，具体为：

(3.1)利用卷积神经网络和门控循环神经网络搭建baseSys；

(3.2)将步骤(2)所得的最终特征送入baseSys进行模型训练；

(4)将步骤(2)所得的最终特征进行iEx的训练；

(5)将步骤(2)所得的最终特征进行finalSys(带说话人扰动信息提取器的语音识别系统)的训练；

(6)获取最终实验结果。

进一步地，所述步骤(1)的数据划分采用数据提供的默认划分方式进行划分，其中验证集和测试集各占全部数据的10％左右，剩下的80％作为训练集。

进一步地，所述步骤(2)的具体步骤包括：

(2.1)采用melspectrogram函数提取fbank(梅尔滤波器组)特征，设置函数参数；

(2.2)对fbank特征取自然对数以进行同态信号处理，即把特征中的乘性分量转化为加性分量；