本發(fā)明涉及一種語音信號(hào)的處理方法，尤其是語音增強(qiáng)方法，包括以下步驟：S10、音頻采集；S20、篩選有效語音信號(hào)；S30、初步增強(qiáng)語音；S40、篩選目標(biāo)語音；S50、再次增強(qiáng)語音信號(hào)；S60、喚醒詞檢測，將再次增強(qiáng)的語音送入高精度的喚醒詞檢測模型中進(jìn)行喚醒詞檢測，當(dāng)檢測到喚醒詞時(shí)進(jìn)入S70，否則返回S20；S70、持續(xù)增強(qiáng)語音，對通過喚醒詞檢測的語音進(jìn)行持續(xù)增強(qiáng)，然后將增強(qiáng)后的語音送入識(shí)別端進(jìn)行識(shí)別。本發(fā)明提供的語音增強(qiáng)方法可以有效的降低計(jì)算開銷，即使在有強(qiáng)噪聲場景下也能較準(zhǔn)確的進(jìn)行識(shí)別任務(wù)。適合應(yīng)用在環(huán)境較復(fù)雜且計(jì)算資源有限的本地端。

技術(shù)領(lǐng)域

本發(fā)明涉及一種語音信號(hào)的處理方法，尤其是語音增強(qiáng)方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

語音增強(qiáng)是指從接收到的復(fù)雜的語音信號(hào)中提取有效的目標(biāo)語音信號(hào)，降低或者抑制來自非目標(biāo)語音信號(hào)的干擾的技術(shù)手段。目前語音增強(qiáng)算法通常需要預(yù)先知道目標(biāo)聲源的方位或者噪聲的先驗(yàn)分布后通過一定的算法來進(jìn)行語音增強(qiáng)。

然而在實(shí)際較強(qiáng)噪聲的應(yīng)用場景中，由于無法事先確定哪一個(gè)是目標(biāo)聲源，可能會(huì)導(dǎo)致聲源定位不準(zhǔn)確，影響后續(xù)的語音信號(hào)處理；而且相對復(fù)雜和較為精準(zhǔn)的聲源定位算法以及語音增強(qiáng)算法往往都意味著計(jì)算復(fù)雜度較高，需要提供較大的計(jì)算資源。所以，傳統(tǒng)的語音增強(qiáng)算法和系統(tǒng)對某些應(yīng)用場景存在一定的局限性。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供一種在只有低計(jì)算資源設(shè)備的條件下，針對強(qiáng)噪聲場景下的語音信號(hào)，依然可以做到有效的語音喚醒和語音識(shí)別的語音增加方法，具體技術(shù)方案為：

語音增強(qiáng)方法，包括以下步驟：

S10、音頻采集，通過音頻采集設(shè)備不斷的采集多通道音頻信號(hào)；

S20、篩選有效語音信號(hào)，用語音活動(dòng)檢測對接收到的音頻信號(hào)進(jìn)行不間斷的檢測篩選，篩選出有效語音信號(hào)；

S30、初步增強(qiáng)語音，對篩選出的有效語音信號(hào)進(jìn)行初步增強(qiáng)，所述初步增強(qiáng)包括采用固定波束語音增強(qiáng)算法同時(shí)對多個(gè)方向進(jìn)行語音增強(qiáng)；

S40、篩選目標(biāo)語音，將初步增強(qiáng)的語音送入評分模型中進(jìn)行評分，選擇評分最高且大于指定閾值的語音信號(hào)，得到該信號(hào)的方向；

S50、再次增強(qiáng)語音信號(hào)，對篩選的目標(biāo)語音進(jìn)行再次增強(qiáng)，所述再次增強(qiáng)包括采用高性能的語音增強(qiáng)算法；

S60、喚醒詞檢測，將再次增強(qiáng)的語音送入高精度的喚醒詞檢測模型中進(jìn)行喚醒詞檢測，當(dāng)檢測到喚醒詞時(shí)進(jìn)入S70，否則返回S20；

S70、持續(xù)增強(qiáng)語音，對通過喚醒詞檢測的語音進(jìn)行持續(xù)增強(qiáng)，然后將增強(qiáng)后的語音送入識(shí)別端進(jìn)行識(shí)別。

進(jìn)一步的，所述固定波束語音增強(qiáng)算法包括廣義旁瓣相消算法或權(quán)重延遲相加算法。

進(jìn)一步的，所述評分模型包括深度神經(jīng)網(wǎng)絡(luò)喚醒模型，所述深度神經(jīng)網(wǎng)絡(luò)喚醒模型包括評分特征提取模塊，所述評分特征提取模塊用于對送入的初步增強(qiáng)的語音提取與模型匹配的特征；評分深度神經(jīng)網(wǎng)絡(luò)模塊，所述評分深度神經(jīng)網(wǎng)絡(luò)模塊用于將每一幀的語音特征轉(zhuǎn)化為指定關(guān)鍵字與其它無關(guān)字的后驗(yàn)概率；評分喚醒決策模塊，所述評分喚醒決策模塊用于通過一段語音信號(hào)的后驗(yàn)概率來判斷該段語音是否可以被喚醒。

進(jìn)一步的，所述深度神經(jīng)網(wǎng)絡(luò)喚醒模型的層數(shù)為3-5層，節(jié)點(diǎn)數(shù)在30-40。

進(jìn)一步的，所述喚醒決策模塊的喚醒詞包括兩個(gè)字。

進(jìn)一步的，所述高性能語音增強(qiáng)算法包括最小方差無失真響應(yīng)算法或基于混合高斯模型的最小方差無失真響應(yīng)算法。

進(jìn)一步的，所述喚醒詞檢測模型包括時(shí)間延遲網(wǎng)絡(luò)或者卷積神經(jīng)網(wǎng)絡(luò)。

進(jìn)一步的，

所述喚醒詞檢測模型包括