一种时域单通道多说话人语音识别方法与系统

发明专利有效专利

申请号：
CN202010061565.6
IPC分类号：G10L15/16;G10L15/02;G10L21/0208
申请日期：
2020-01-19
申请人：
清华大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种时域单通道多说话人语音识别方法与系统
申请号	CN202010061565.6	申请日期	2020-01-19
法律状态	授权	申报国家	中国
公开/公告日	2020-06-05	公开/公告号	CN111243579A
优先权	暂无	优先权号	暂无
主分类号	G10L15/16 ? IPC结构图谱： G 物理 G0 仪器 G10 乐器；声学 G10L 语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码〔4〕 G10L15/00 语音识别（G10L 17/00优先）〔7，2013.01〕 G10L15/08 语音分类或检索〔7〕 G10L15/16 利用人工神经网络〔7〕	IPC分类号	G;1;0;L;1;5;/;1;6;;;G;1;0;L;1;5;/;0;2;;;G;1;0;L;2;1;/;0;2;0;8查看分类表>
申请人	清华大学	申请人地址	北京市海淀区信箱82分箱清华大学专利办公室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	清华大学	当前权利人	清华大学
发明人	黄露;杨毅;孙甲松
代理机构	西安智大知识产权代理事务所	代理人	段俊涛

摘要

一种时域单通道多说话人语音识别方法，输入是混合语音信号的原始波形采样，先通过一维卷积网络提取特征，然后送入分离网络进行语音分离；分离后的输出分别送入两个全连接层，输出两个声学状态分布向量；随后采用强制对齐方法，从已有的目标语音标注中获得相应的标注信息，通过交叉打分和阈值选择的方式计算两种排序下较小的一个声学建模单元概率分布误差作为神经网络反向传播的误差，构建含有时域单通道多说话人语音识别模型，利用该模型即可实现多说话人语音识别，本发明还提供了一种通过阈值设置来减少1/4～1/2误差计算量的打分算法以加速交叉打分过程。在测试时，将神经网络两个输出的概率向量对数值送入语音识别解码器，即可获得两个人的识别文本。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供