一种电动轮椅语音识别过程中的语音增强方法

1.一种电动轮椅语音识别过程中的语音增强方法，所述电动轮椅语音识别过程包括有输入语音信号预处理、特征参数提取、训练阶段中处理特征参数为每个命令词得到一个模块保存为模板库、识别阶段中先得到语音参数生成测试模板，该测试模板与模板库中的参考模板匹配，将匹配相似度最好的参考模块作为识别结果，其特征在于，所述的语音增强方法包括如下步骤：
第一步，对带噪声的输入语音信号进行预处理、分帧以及快速傅里叶变换，得到带噪音语音信号的频谱；
第二步，计算每一帧带噪声语音信号的先验信噪比，通过第一次谱减法，得到较为纯净的语音信号频谱；
第三步，通过听觉掩蔽效应计算噪声掩蔽门限，得到噪声掩蔽门限后计算自适应的谱减系数；
第四步，进行第二次谱减法，得到纯净的语音信号频谱；
第五步，通过逆快速傅里叶变换，得到增强后的语音信号。
2.根据权利要求1所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，所述第二步中的计算先验信噪比时，根据谱减法用线性时变滤波器形式表示，即 乘以增益函数 ，如式（1）所示：
（1）
增益函数可以通过先验信噪比表示，如式（2）所示：
（2）
式中的先验信噪比可以通过“直接判决”法进行估计得到，如式（3）所示：
（3）
式中， 为：
（4）
式中 为当前帧， 为前一帧， 为前一帧的估计结果， 为调节系数，0.8＜ ＜ 1。
3.根据权利要求1所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，所述第三步中计算基于人耳掩蔽效应的听觉掩蔽阈值时需先划定临界带宽，该临界带宽是当纯音信号的功率等于该噪声信号的功率时，纯音信号刚好被人耳听到的临界状态的频率宽度，该临界宽度为实验测得的常数。
4.根据权利要求3所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，所述听觉掩蔽阈值的计算过程如下：先分别计算临界带宽的功率谱、扩展临界带宽的功率谱和噪声掩蔽扩展门限，再将计算得到的噪声掩蔽扩展门限与人耳听觉的绝对门限比较，取两者最大的一个作为听觉掩蔽阈值。
5.根据权利要求4所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，临界带宽个数的计算，
（5）
式中， 为临界带宽个数， 为频率。
6.根据权利要求5所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，把每个临界带宽内语音信号的功率谱求和即可得到每个临界带宽的功率谱，设 为信号快速傅里叶变换的功率谱，则每个临界带宽的功率谱为：
（6）
式中，为临界带宽 的最小频率， 为临界带宽 的最大频率，从1到 ，语音信号的采样频率决定 。
7.根据权利要求5所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，将临界带宽功率谱转换为扩展临界带宽功率谱，用扩展函数 来估计不同临界带宽之间的掩蔽效应，如式（7）所示：
（7）
通过每个临界带宽的功率谱与扩展函数的卷积计算得到扩展临界带宽的功率谱，如式（8）所示：
（8）
其中， 为第 个扩展临界带宽的功率谱。
8.根据权利要求5所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，确定带噪声语音信号是类似纯音还是类似噪声，其通过谱平坦测度（Spectral Flatness Measure, SFM）来确定：

（9）
其中， 是第 个扩展临界宽带功率的几何平均， 是第 个扩展临界宽带功率的算术平均，
（10）
（11）
根据SFM来产生参数 ，该参数表明功率谱为浊音的程度，即：
（12）
其中 ，当 时， 表示完全是噪声；当
时， 表示完全是纯音，实际的语音信号既不完全是噪声，也不完全是纯音，所以 介于
0到1之间。
9.根据权利要求8所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，
根据语音频谱的清音与浊音特性产生的门限偏移量表示式（13）所示：
（13）
由此可得到扩展噪声掩蔽阈值为：
（14）
噪声的掩蔽阈值通过阈值归一化，并通过绝对听阈值进行比较得到，如式（15）所示：
（15）
其中绝对听阈值 由非线性函数求得：
（16）。
10.根据权利要求9所述的一种电动轮椅语音识别过程中的语音增强方法，其特征在于，所述第三步中自适应的谱减法系数计算，得到听觉掩蔽阈值后，通过下式计算得到自适应的谱减法系数：
（17）
（18）
其中 为Bark频率段的听觉掩蔽阈值， 和 是每一帧的听觉掩蔽阈值的最大值和最小值；
通过下式计算得到自适应的谱减系数：
（19）
（20）
其中 ， ， 和 ，其为通过大量实验得到的经验常数值；
式（1）中的增益函数如下算法得到：
（21）
其中 。

暂无