基于振幅和相位信息的多目标学习的远场语音识别方法

摘要

本发明公开了一种基于振幅和相位信息的多目标学习的远场语音识别方法，包括以下步骤：步骤一，输入数据准备；步骤二，提取振幅特征和多种相位特征；步骤三，构建多任务深度神经网络，将提取的振幅特征和相位特征输入到神经网络中训练，输出增强后语音以及增强后的特征。利用增强后的语音做SRMR评测，利用增强后的特征做语音识别。本发明利用了多目标学习的方法，同时增强了语音和特征，与现有的方法相比，考虑到了群延迟系统(MGDCC)特征在混响语音下的效果较差，增加了另一种相位特征基于相位域的源分离方法的声道信息(PBSFVT)来弥补MGDCC的不足，进而提高语音识别准确率。