[发明专利]一种多麦远场语音唤醒方法及系统

权利要求书

1.一种多麦远场语音唤醒方法，其特征在于，所述方法包括：

采集获得多麦远场数据；

根据所述多麦远场数据通过预设规则提取获得多麦远场特征；

将所述多麦远场特征输入至预先训练的远场声学模型中，获得对应每个音素的标签；

所述预先训练的远场声学模型的训练方法包括：

根据采集的近场数据仿真获得多麦远场数据；

对所述多麦远场数据进行特征提取，获得多麦远场特征；

根据采集的近场数据通过预设规则迭代训练获得近场声学训练模型，进而获得近场声学训练模型下的音频标签；所述近场声学训练模型下的音频标签与远场声学模型的音频标签相同；

根据所述多麦远场特征以及所述音频标签训练获得远场声学模型；

采集获取近场数据；

在所述近场数据的声源及麦克风附近随机设置反射面，并确定所述反射面与所述声源及麦克风的相对位置；

根据反射面通过镜像法模拟远场声源到麦克风的远场数据；

所述远场数据的计算方式包括：

其中，i为不小于2的正整数，y_i为第i个麦克风对应的远场数据；h_i为第i个麦克风对应的卷积冲击响应；s为近场数据，n_i为第i个麦克风的噪声；

将所述每个音素的标签通过加权自动状态机进行识别，通过识别后生成唤醒参数；

将所述唤醒参数与预设的唤醒阈值进行对比，若超过所述唤醒阈值，则执行唤醒任务。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多麦远场数据通过预设规则提取获得多麦远场特征，包括：

将所述多麦远场数据中每个麦克风对应的远场音频数据通过其对应的预设的空间滤波器分别进行滤波，获得多路滤波音频；

对所述多路滤波音频进行特征提取，获得每路滤波音频对应的音频特征集合；所述音频特征集合包括按时刻排列的至少一个音频特征；

对所述每路滤波音频对应的音频特征集合中相同时刻的音频特征进行合并，获得一个目标音频特征集合。

3.根据权利要求1所述的方法，其特征在于，对所述多麦远场数据进行特征提取获得多麦远场特征，包括：

通过预先设置的空间滤波器对所述对应每个麦克风的多麦远场数据进行空间滤波，获得多路滤波音频；

对所述多路滤波音频进行特征提取，获得每路滤波音频对应的音频特征集合；所述音频特征集合包括按时刻排列的至少一个音频特征；

对所述每路滤波音频对应的音频特征集合中相同时刻的音频特征进行合并，获得一个目标音频特征集合，即为多麦远场特征。

4.根据权利要求3所述的方法，其特征在于，通过预先设置的空间滤波器对所述对应每个麦克风的多麦远场数据进行空间滤波，获得多组滤波音频，包括：

通过下述公式计算获得滤波音频：

其中，i为麦克风序号，且为不小于2的正整数；j为空间滤波器的序号，j为不小于2且不大于i的正整数；

y_i(f)为i个麦克风收集到的频域中的远场数据；w_ji为预先设定的j个空间滤波器、第i个麦克风的权重系数；z_j(f)是经由第j个空间滤波器对该空间滤波器对应的麦克风收集到的频域中的远场数据进行滤波后得到的滤波音频。

5.根据权利要求1所述的方法，其特征在于，根据采集的近场数据通过预设规则迭代训练获得近场声学训练模型，包括：

将所述近场数据的音频分帧，根据梅尔倒谱系数提取特征；

将所述近场数据音频按字典展开成音素，并将所述展开后的音频按初始分割方式在时间上进行分割，并对分割后的每部分音频标记音素标签；

将对应的特征以及音素标签输入至时延神经网络tdnn训练获得初始模型；

根据维特比算法对所示初始模型进行强制对齐，获得新的分割方式对音频进行重新分割，获得新的音素标签；

根据新的音素标签以及对应的特征重新训练获得新的模型；

逐次迭代直到两轮分割的差别小于预设阈值时，停止进行新的训练；

取最新的训练模型作为近场声学训练模型。