[发明专利]提高多对象说话场景下语音识别准确性的方法、装置及设备

权利要求书

1.一种提高多对象说话场景下语音识别准确性的方法，其特征在于，所述方法应用于语音识别系统，所述语音识别系统包括设置于不同方位的麦克风组成的麦克风阵列，所述方法包括：

通过所述麦克风阵列中的多个麦克风分别获取多个对象的待识别语音音频，并对所述多个对象进行声源定位，根据定位后的对象，确定每一所述对象与其他对象之间的距离；

根据每一所述对象与其他对象之间的距离，确定每一所述对象相对于其他对象的皮尔逊相关系数，并基于最小二乘法，根据每一所述对象相对于其他对象的皮尔逊相关系数，从所述麦克风阵列中确定极点麦克风和极轴麦克风；

根据各待识别语音音频相对所述极点麦克风的信号强度，对多个对象进行环形区域划分，其中，每一所述环形区域环绕所述极点麦克风，且随与所述极点麦克风的距离增大，多个所述环形区域的宽度依次增大；

根据所述环形区域的数量以及每一所述麦克风采集到所述待识别语音音频的采集间隔时长，从预设的差分阵列系数中确定目标差分阵列系数，以及以所述极点麦克风为极点，所述极点麦克风与所述极轴麦克风的连线为极轴，构建极坐标系，并确定每一环形区域内的麦克风在所述极坐标系中的极坐标；

根据各所述麦克风的极坐标以及所述目标差分阵列系数，对所述待识别语音音频的纯净峰信息和混合峰信息进行提取，并根据所述待识别语音音频的纯净峰信息和混合峰信息对所述待识别语音音频进行对象区分，并根据对象区分后的待识别语音音频分别进行波束成形及识别，得到各对象的语音识别结果。

2.根据权利要求1所述的方法，其特征在于，所述基于最小二乘法，根据每一所述对象相对于其他对象的皮尔逊相关系数，从所述麦克风阵列中确定极点麦克风和极轴麦克风的步骤，包括：

基于最小二乘法，将所述麦克风阵列中相对于其他对象的皮尔逊相关系数最小的所述对象作为所述极点麦克风；

将所述其他对象中，与所述极点麦克风对应的皮尔逊相关系数最小的作为所述极轴麦克风。

3.根据权利要求1所述的方法，其特征在于，所述根据所述环形区域的数量以及每一所述麦克风采集到所述待识别语音音频的采集间隔时长，从预设的差分阵列系数中确定目标差分阵列系数的步骤，包括：

根据所述麦克风之间采集同一所述待识别语音音频的采集间隔时长，计算所述采集间隔时长的方差和标准差；

基于高斯原理，根据所述方差、所述标准差以及所述麦克风之间采集同一所述待识别语音音频的采集间隔时长，确定所述麦克风阵列中各个所述麦克风相对基准麦克风的采集时间差；

根据所述各个所述麦克风相对所述基准麦克风的采集时间差以及所述环形区域的数量，从预设的差分阵列系数中确定目标差分阵列系数，其中，所述差分阵列系数、所述采集时间差以及所述环形区域的数量三者存在一一对应关系。

4.根据权利要求1所述的方法，其特征在于，所述根据所述待识别语音音频的纯净峰信息和混合峰信息对所述待识别语音音频进行对象区分的步骤，包括：

根据各所述待识别语音音频对应的混合峰信息以及采集到所述混合峰信息的峰值采集时间戳，构建针对该待识别语音音频对应的目标对象的声纹谱函数；

根据所述纯净峰信息从每一所述待识别语音音频对应的目标对象的声纹谱函数中，提取一组拓扑指数；

将各组拓扑指数分别作为比对拓扑指数，遍历确定其他组拓扑指数与所述比对拓扑指数的匹配度；

将匹配度小于预设匹配度阈值的组拓扑指数对应的纯净峰信息作为同一对象的目标纯净峰信息，得到多个目标纯净峰信息；

从所述待识别语音音频中，确定携带有各所述目标纯净峰信息的目标识别语音数据，完成对象区分。