用于特征域中信道与加性噪声联合补偿的方法与装置

当前位置:首页ag集团恒峰娱乐神作 >

ag集团恒峰娱乐神作

用于特征域中信道与加性噪声联合补偿的方法与装置

时间:2019-11-26本站浏览次数:479

       

用于特征域中信道与加性噪声联合补偿的方法与装置

一种方法,用于对输入到一个语音识别系统的目标语音信号进行噪声适应,所述目标语音信号含有加性噪声和卷积噪声,本方法包括:在所述目标语音信号中,对加性噪声偏差和卷积噪声偏差作出估计;以及在特征域中,对目标语音信号中的加性噪声偏差和卷积噪声偏差进行联合补偿。

从本质上来说,本发明的说明仅仅是示例性的,因此,作者打算将那些不背离本发明的要点的改动都纳入本发明的范围之内。这样的改动不应被认为是对本发明的精神实质和范围的背离。

该优选实施例执行了矩阵分解步骤36,以产生Jacobian矩阵38的一个降低复杂性的(reduced-complexity)集合,如将在下面充分讨论的那样,现行的优选分解技术使用主成分分析(PCA)来构建降低复杂性的转换矩阵。

若我们不希望使用额外的计算时间,则必须减少正则矩阵的数目。

卷积噪声模块82还可以包括一个高斯对准模块92,它介于特征Jacobian适应模块100以及卷积偏差模块84之间,用以将目标语音信号分解为目标语音区段以及目标无声区段。高斯对准模块92对已补偿的信号97进行运算并产生输出99,后者被送往卷积偏差模块84。(当不具备高斯对准模块92时,已补偿的信号97,取代输出99,被送往卷积偏差模块84。)尽管典型地将分解功能纳入到语音识别器之中,但为了讨论的目的,在这里它被描述为卷积噪声模块82的一部分。事实上,在不离开本发明的特性和范围的前提下,本文所描述的许多部件的特定位置都是可以改变的。因此,卷积偏差模块84求出目标语音信号的平均值以及对应于参考模型70的高斯数据的平均值。卷积偏差模块84还计算介于高斯数据的平均值以及目标语音区段的平均值之间的差值。其结果得到一个可以在由信道适应矩阵进行转换之后,添加到处于倒频谱域之中的参考模型70中的卷积偏差C(Htar)-C(Href)。

重要的是要注意到,上述的联合补偿方案享受到与仅针对加性噪声补偿而描述的α-Jacobian适应有关的许多好处。正如已经讨论过的那样,α-Jacobian适应源于Jacobian算法。α-Jacobian适应不同于Jacobian适应之处在于实现近似的方法:后者利用线性函数,它能最好地近似在训练条件下的PMC,而前者以实验方法来计算一个能针对一组选定的可能测试条件集合较好地近似PMC的线性函数。其结果是,在真实的测试条件下,α-Jacobian适应比古典的Jacobian适应表现得更好。

以下关于优选实施例的说明从性质上来说仅仅是示例性的,并且无论如何作者都不打算用来限制本发明及其应用或用途。




公司地址:大连市中山区港兴路6号万达中心1410室
联系人:陈艳波 13951757534
秦里钧 15250962398
电话:15193135240 传真:yqus3qo2i4@msn.com
邮箱:ty0ev74xq6@162.com

粤公网安备 44030702001579号

恒峰娱乐会员登录网娱乐@