CN109410928B - 一种基于语音识别的去噪方法和芯片 - Google Patents
一种基于语音识别的去噪方法和芯片 Download PDFInfo
- Publication number
- CN109410928B CN109410928B CN201811510965.XA CN201811510965A CN109410928B CN 109410928 B CN109410928 B CN 109410928B CN 201811510965 A CN201811510965 A CN 201811510965A CN 109410928 B CN109410928 B CN 109410928B
- Authority
- CN
- China
- Prior art keywords
- target
- denoising
- noise
- confidence value
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000000875 corresponding effect Effects 0.000 description 23
- 230000001276 controlling effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
Abstract
本发明公开一种基于语音识别的去噪方法和芯片,包括:步骤1:从麦克风阵列获取的语音信号中确定目标语音信号,相应地获取目标置信度值;步骤2:从噪声数据库中选择与目标置信度值匹配的噪声数据,并控制噪声数据与目标语音信号中未标记的有声帧参与预去噪处理,以获得与噪声数据对应的预去噪处理结果;步骤3:根据预去噪处理结果与预定阈值的关系,将预去噪处理结果对应的有声帧标记为目标语音信号中已去噪的有声帧;其中,目标语音信号包含与控制指令相关联的有声帧。所述去噪方法通过有选择性地对目标语音信号的有声帧进行去噪处理,并且根灵活调整置信度值以提高去噪效率。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种基于语音识别的去噪方法和芯片。
背景技术
现有的移动机器人(比如清洁机器人中的扫地机器人、擦窗机器人、拖地机器人等机电一体化设备)在工作过程中会产生的噪音,虽然市面上流通的语音拾取设备虽然可以对用户发出的语音信号进行语音拾取,但是在对用户发出的语音信号进行拾取的同时,通常也会将对机器人工作过程中会产生的噪音进行语音拾取,使得设备拾取到的语音信号中夹杂着大量的外界噪声,相应的语音识别准确度不高,这将严重影响机器人对外界语音(有效信号)的识别,并且基于语音的解释而做出逻辑判定(例如执行相关的路径规划)。
现有技术中,在语音信号的前端去噪的方法一般为,根据语音信号分类的结果,选择合适的语音信号,而抑制不符合要求的语音信号,但对语音信号分类的方法较为复杂,降低语音识别的效率,且未能智能地选择目标语音信号,以及直接消除语音信号中的噪音信号,降噪效果不高。
发明内容
为了克服上述技术缺陷,本发明提出以下技术方案:
一种基于语音识别的去噪方法,该去噪方法包括:步骤1:从麦克风阵列获取的语音信号中确定目标语音信号,相应地获取目标置信度值;步骤2:从噪声数据库中选择与目标置信度值匹配的噪声数据,并控制噪声数据与目标语音信号中未标记的有声帧参与预去噪处理,以获得与噪声数据对应的预去噪处理结果;步骤3:根据预去噪处理结果与预定阈值的关系,将预去噪处理结果对应的有声帧标记为目标语音信号中已去噪的有声帧;其中,目标语音信号包含与控制指令相关联的有声帧。所述去噪方法通过有选择性地对目标语音信号的有声帧进行去噪处理,并且根据噪声信号与噪声数据库的实时匹配度,灵活调整置信度值以提高去噪效率。
进一步地,所述步骤1具体包括:通过语音引擎识别所述麦克风阵列中所获取的语音信号的有声帧,当有声帧的信噪比数值大于预定信噪比阈值时,将该有声帧对应的语音信号确定为所述目标语音信号,然后从所述有声帧中提取出相应所述目标语音信号的目标置信度值,其中,所述有声帧包括基于语音识别信号的置信度值和信噪比数值。根据预定信噪比阈值来筛选出目标语音信号,有针对性的对特定的语音信号进行识别处理,提高噪声环境下语音识别的精度。
进一步地,所述步骤2中,所述从噪声数据库中选择与目标置信度值匹配的噪声数据,具体包括:判断所述噪声数据库中是否存在一个与所述目标置信度值的差值绝对值小于预定噪声阈值的预设噪声数据的置信度值,是则确定所述预设噪声数据为所述与所述目标置信度值匹配的噪声数据。根据噪声信号的置信度值与噪声数据库的实时匹配度,选择匹配的预置噪声信号,提高去噪操作的准确性。
进一步地,所述预去噪处理的方法具体包括:先控制所述噪声数据进行反相处理,得到一个反相噪声信号;再控制所述反相噪声信号与所述目标语音信号进行混合叠加,以得到所述与所述噪声数据对应的预去噪处理结果。所述预去噪处理方法简单有效。
进一步地,所述步骤3,具体包括:步骤301、判断所述预去噪处理结果是否大于所述预定阈值,是则进入步骤302,否则进入步骤303;步骤302、将所述预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧;步骤303、判断所述预去噪处理结果的置信度值与所述目标置信度值的差值绝对值是否小于一个置信度阈值,是则将所述预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧;否则调整所述目标置信度值,再返回所述步骤2。所述步骤3通过对所述预去噪处理结果两次判断,全面地处理掉所述目标语音信号中各个有声帧,有利于去噪的彻底性和提高语音去噪的准确性。
进一步地,所述调整目标置信度值的方法包括:根据所述目标语音信号中未标记的有声帧的置信度值与当前的所述目标置信度值的差值,将当前的所述目标置信度值调大或调小。有利于后续基于所述目标语音信号中未标记的有声帧的判断筛选,提高迭代处理过程的准确性。
一种芯片,该芯片用于存储所述去噪方法对应的程序代码。通过有选择性地对目标语音信号的有声帧进行去噪处理,智能地设置阈值和标记当前去噪的有声帧,从而抑制噪声对语音识别的影响,使得去噪效果更加彻底。在获取目标语音信号之后,首先进行去噪处理,以提高识别准确率。并且根据噪声信号与噪声数据库的实时匹配度,灵活调整置信度值以提高去噪效率,从而进一步提高语音识别效率。
与现有技术相比,本发明技术方案在获取目标语音信号之后,在进行去噪预处理的过程中,根据噪声信号的置信度值与噪声数据库的置信度值实时匹配度,有选择性地对目标语音信号的有声帧进行去噪处理,并通过智能地设置阈值和标记当前去噪的有声帧,灵活调整置信度值以提高去噪效率,使得去噪效果更加彻底。
附图说明
图1是本发明的一种实施方式提供的一种基于语音识别的去噪方法的流程图。
图2是本发明的另一种实施方式提供的一种基于语音识别的去噪方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行详细描述。
参阅图1所示,本发明实施例提供一种目标语音识别的去噪方法, 作为所述去噪方法的一种实施方式,包括:
步骤S101:从麦克风阵列获取的语音信号中确定目标语音信号,相应地获取目标置信度值;基于语音引擎预先存储的数据库的信息域分析去确定目标语音信号,以实现定向语音拾取,降低外界噪声干扰。然后进入步骤S102。
可选地,通过所述语音引擎识别所述麦克风阵列中所获取的语音信号的有声帧,所述麦克风阵列中可以通过相关语音特性检测算法,所述目标语音信号包括与控制指令相关联的有声帧,使得所述目标语音信号可转换成多个与用户话语相关联的语音帧,其中,语音帧可以包括有声帧和无声帧,该分类可以由各种已知技术执行。当有声帧的信噪比数值大于预定信噪比阈值时,将该有声帧对应的语音信号确定为所述目标语音信号,然后从所述有声帧中提取出相应所述目标语音信号的目标置信度值,其中,所述有声帧包括基于语音识别信号的置信度值和信噪比数值。
需要说明的是,所述有声帧可以采用信噪比来衡量其包含的噪声能量水平,该信噪比是语音数据与噪声数据功率的比值,常常用分贝数表示,一般信噪比越高表明噪声数据功率越小,否则相反。该噪声能量水平是用来反应用户语音数据中噪声数据能量的大小。信噪比和噪声能量水平结合起来,表示该噪声大小。
步骤S102:从噪声数据库中选择与目标置信度值匹配的噪声数据,并控制噪声数据与目标语音信号中未标记的有声帧参与预去噪处理,以获得与噪声数据对应的预去噪处理结果;然后进入步骤S103。具体地,根据所述目标语音信号包含的所述有声帧中对应的噪声数据,从所述噪声数据库中搜索基于一个预设噪声数据,再判断所述目标置信度值与预设噪声数据的置信度值的差值绝对值是否小于预定噪声阈值,是则确定所述预设噪声数据为所述与所述目标置信度值匹配的噪声数据。
步骤S103:根据预去噪处理结果与预定阈值的关系,将预去噪处理结果对应的有声帧标记为目标语音信号中已去噪的有声帧;如果所述预去噪处理结果大于所述预定阈值,则所述预去噪处理结果表示已从所述目标语音信号的有声帧中移除不期望的噪声,即这些噪声对识别结果的影响已消除。如果所述预去噪处理结果小于所述预定阈值,则需要进一步的调整去噪,以保证接收的所述目标语音信号中的各个有声帧都能得到处理,使得语音信号去噪更彻底,进而提高所述目标语音信号的完整性和识别的准确率。其中,目标语音信号包含与控制指令相关联的有声帧。
图2为本发明另一实施例提供的一种目标语音识别的去噪方法,作为所述去噪方法的另一种实施方式,包括:
步骤S201、从所述麦克风阵列获取一个特定方位传来的语音信号,基于语音引擎预先存储的数据库的信息域分析去确定目标语音信号,以实现定向语音拾取,降低外界噪声干扰。然后进入步骤S202。该目标语音信号包括用户口头说出的控制命令或机器输入的语音数据,相应地,基于目标语音信号来获取目标置信度值,在本实施例下,目标置信度值是指该移动机器人对特定语音信号的真实性信息的程度,可用来表示语音初步识别结果的可信程度的数值,为减少误判,根据置信度阈值判断识别结果的正确性,然后呈现。用户说出的目标语音信号为“回座充电”,则在该语音数据识别过程中,返回的目标置信度值包含:句置信度N。
步骤S202、从噪声数据库中选择与所述目标置信度值匹配的噪声数据,具体地,根据所述目标语音信号包含的所述有声帧中对应的噪声数据,从所述噪声数据库中搜索基于一个预设噪声数据,再判断所述目标置信度值与预设噪声数据的置信度值的差值绝对值是否小于预定噪声阈值,是则确定所述预设噪声数据为所述与所述目标置信度值匹配的噪声数据。再进入步骤S203。在本发明实施例下,由于机器人的工作区域内产生的噪声比较稳定,故所述噪声数据库不需要通过实时更新噪声数据才进行作差比较,相对于现有技术,减小语音识别的软件负担,可将相关的软件资源留给后续的去噪处理。
优选地,可将所述目标语音信号与所述噪声数据库中的所有噪声数据进行比对以获取所有的语音相似度值,然后基于所有语音相似度值的加权平均值确定所述预定噪声阈值。另外,可借助多个噪声数据库,并从多个数据库中选择识别率最高的结果作为最后匹配结果。从而提高机器人的工作噪声的识别率。
步骤S203、控制所述噪声数据与所述目标语音信号中未标记的有声帧参与预去噪处理,以获得与所述噪声数据对应的预去噪处理结果;具体地,所述预去噪处理的方法具体包括:先控制所述噪声数据进行反相处理,得到一个反相噪声信号;再控制所述反相噪声信号与所述目标语音信号进行混合叠加,以得到所述与所述噪声数据对应的预去噪处理结果,以消除所述目标语音信号中的噪声信号,得到预去噪处理后的语音信息。再进入步骤S204。
步骤S204、判断所述预去噪处理结果是否大于预定阈值,是则进入步骤S205,否则进入步骤S206;所述预定阈值是预先存储的,可用来衡量语音信号的失真程度。
步骤S205、根据所述预去噪处理结果大于所述预定阈值的判断结果,将预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧,而所述目标语音信号的剩余未标记的有声帧可能在所述预去噪处理后不满足所述预去噪处理结果大于所述预定阈值这一条件,需等待后续步骤的去噪处理,然后统一转换为语音控制指令,用于控制移动机器人。
步骤S206、判断所述预去噪处理结果的置信度值与所述目标置信度值的差值绝对值是否小于一个置信度阈值,是则进入步骤S207,否则进入步骤S208。所述预去噪处理结果的置信度值是在所述预去噪处理结果小于所述预定阈值的前提下,针对预去噪处理的所述目标语音信号的识别结果的可信程度的数值,而所述置信度阈值可作为所述目标语音信号受干扰后的正确识别率的评价指标。通过判断所述预去噪处理结果的置信度值与所述目标置信度值的差值绝对值是否小于一个置信度阈值,来进一步处理所述目标语音信号的剩余未标记的有声帧的噪声信号,以提高所述目标语音信号去噪的全面性和准确性。
步骤S207、将所述预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧,从而实现步骤S105判断筛选的未标记的有声帧的处理,以提高语音识别的精度;而所述目标语音信号中仍存在未标记的有声帧,此时,意味着当前的所述目标置信度值匹配的噪声数据对未标记的有声帧的预去噪作用不明显,误差较大。
步骤S208、根据所述目标语音信号中未标记的有声帧的置信度值与当前的所述目标置信度值的差值大小,将当前的所述目标置信度值调大或调小。在本实施例下,当所述目标语音信号中未标记的有声帧的置信度值大于当前的所述目标置信度值时,将当前的所述目标置信度值相应的调大,反之则相应的调小,然后返回步骤S202,选择与调整后的所述目标置信度值匹配的噪声数据作进一步去噪处理。
这显然是基于当前的所述目标置信度值的参数修正过程,然后基于修正参数重新判断标记去噪的有声帧,这样,经过多次迭代,循环直至所述目标语音信号中所有的有声帧完成去噪处理。根据噪声信号与噪声数据库的实时匹配度,灵活调整置信度值以提高去噪效率。然后将所述目标语音信号中已去噪的有声帧转换为语音控制指令去控制移动机器人。由于所述目标语音信号包括周期性成分,所以,在执行前述去噪方法的过程中具有周期性迭代的规律,避免随机修正所述目标置信度值,加快对所述目标语音信号的判断速度,从而提高了去噪的工作效率。
本发明技术方案在机器人工作的噪声场景下,获取用户发出的目标语音信号,并根据预先存储的噪声数据库的经验数据和所述目标语音信号,控制噪声数据库的经验数据反相处理来抑制所述目标语音信号的噪声;同时根据噪声信号与噪声数据库的实时匹配度灵活调整相关置信度值,再通过判断筛选出去噪的有声帧,大大提升了去噪的彻底性,进而噪声环境下的语音识别率。
一种芯片,该芯片用于存储所述去噪方法对应的程序代码。该芯片采用专用的集成控制芯片,这些芯片能够解析内部或者外部的控制指令,并输出相应的控制信号,以控制机器人的执行部件进行相应的动作。所述芯片内置于所述清洁机器人中,用于控制清洁机器人执行所述去噪方法,并将处理后的所述目标语音信号转换为与其匹配的控制指令,并根据所述控制指令执行相应的操作。其中,所述预去噪处理可以采用减法电路进行信号相减,也可以采用反相器和加法电路结合进行信号相减,这些电路可以与处理器一起集成为专用处理芯片,具体可以根据设计需求进行相应配置。在滤除了内部噪声干扰后,处理器再对滤除后的信号进行解析,解析出外部语音信号,转换为与其匹配的控制指令以实现对机器人的控制。至于机器人如何解析出外部语音信号,属于现有已经能够实现的技术,此处不再赘述。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (6)
1.一种基于语音识别的去噪方法,其特征在于,包括:
步骤1:从麦克风阵列获取的语音信号中确定目标语音信号,相应地获取目标置信度值;
步骤2:从噪声数据库中选择与目标置信度值匹配的噪声数据,并控制噪声数据与目标语音信号中未标记的有声帧参与预去噪处理,以获得与噪声数据对应的预去噪处理结果;
步骤3:根据预去噪处理结果与预定阈值的关系,将预去噪处理结果对应的有声帧标记为目标语音信号中已去噪的有声帧;
其中,目标语音信号包含与控制指令相关联的有声帧;
所述步骤3,具体包括:
步骤301、判断所述预去噪处理结果是否大于所述预定阈值,是则进入步骤302,否则进入步骤303;
步骤302、将所述预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧;
步骤303、判断所述预去噪处理结果的置信度值与所述目标置信度值的差值绝对值是否小于一个置信度阈值,是则将所述预去噪处理结果对应的有声帧标记为所述目标语音信号中已去噪的有声帧;否则调整所述目标置信度值,再返回所述步骤2。
2.根据权利要求1所述去噪方法,其特征在于,所述步骤1具体包括:
通过语音引擎识别所述麦克风阵列中所获取的语音信号的有声帧,当有声帧的信噪比数值大于预定信噪比阈值时,将该有声帧对应的语音信号确定为所述目标语音信号,然后从所述有声帧中提取出相应所述目标语音信号的目标置信度值,其中,所述有声帧包括基于语音识别信号的置信度值和信噪比数值。
3.根据权利要求1所述去噪方法,其特征在于,所述步骤2中,所述从噪声数据库中选择与目标置信度值匹配的噪声数据,具体包括:
判断所述噪声数据库中是否存在一个与所述目标置信度值的差值绝对值小于预定噪声阈值的预设噪声数据的置信度值,是则确定所述预设噪声数据为所述与所述目标置信度值匹配的噪声数据。
4.根据权利要求1所述去噪方法,其特征在于,所述预去噪处理的方法具体包括:
先控制所述噪声数据进行反相处理,得到一个反相噪声信号;
再控制所述反相噪声信号与所述目标语音信号进行混合叠加,以得到所述与所述噪声数据对应的预去噪处理结果。
5.根据权利要求1所述去噪方法,其特征在于,所述调整目标置信度值的方法包括:根据所述目标语音信号中未标记的有声帧的置信度值与当前的所述目标置信度值的差值,将当前的所述目标置信度值调大或调小。
6.一种芯片,其特征在于,该芯片用于存储权利要求1至5任一项所述去噪方法对应的程序代码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510965.XA CN109410928B (zh) | 2018-12-11 | 2018-12-11 | 一种基于语音识别的去噪方法和芯片 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811510965.XA CN109410928B (zh) | 2018-12-11 | 2018-12-11 | 一种基于语音识别的去噪方法和芯片 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109410928A CN109410928A (zh) | 2019-03-01 |
CN109410928B true CN109410928B (zh) | 2022-03-04 |
Family
ID=65458447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811510965.XA Active CN109410928B (zh) | 2018-12-11 | 2018-12-11 | 一种基于语音识别的去噪方法和芯片 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410928B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346099B (zh) * | 2018-12-11 | 2022-02-08 | 珠海一微半导体股份有限公司 | 一种基于语音识别的迭代去噪方法和芯片 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192411A (zh) * | 2007-12-27 | 2008-06-04 | 北京中星微电子有限公司 | 大距离麦克风阵列噪声消除的方法和噪声消除系统 |
CN103310798A (zh) * | 2012-03-07 | 2013-09-18 | 国际商业机器公司 | 降噪方法和装置 |
CN107610698A (zh) * | 2017-08-28 | 2018-01-19 | 深圳市金立通信设备有限公司 | 一种实现语音控制的方法、机器人及计算机可读存储介质 |
CN108899044A (zh) * | 2018-07-27 | 2018-11-27 | 苏州思必驰信息科技有限公司 | 语音信号处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9589580B2 (en) * | 2011-03-14 | 2017-03-07 | Cochlear Limited | Sound processing based on a confidence measure |
-
2018
- 2018-12-11 CN CN201811510965.XA patent/CN109410928B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101192411A (zh) * | 2007-12-27 | 2008-06-04 | 北京中星微电子有限公司 | 大距离麦克风阵列噪声消除的方法和噪声消除系统 |
CN103310798A (zh) * | 2012-03-07 | 2013-09-18 | 国际商业机器公司 | 降噪方法和装置 |
CN107610698A (zh) * | 2017-08-28 | 2018-01-19 | 深圳市金立通信设备有限公司 | 一种实现语音控制的方法、机器人及计算机可读存储介质 |
CN108899044A (zh) * | 2018-07-27 | 2018-11-27 | 苏州思必驰信息科技有限公司 | 语音信号处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109410928A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110600017B (zh) | 语音处理模型的训练方法、语音识别方法、系统及装置 | |
CN111599371B (zh) | 语音增加方法、系统、装置及存储介质 | |
CN103811003A (zh) | 一种语音识别方法以及电子设备 | |
US9997168B2 (en) | Method and apparatus for signal extraction of audio signal | |
CN110797031A (zh) | 语音变音检测方法、系统、移动终端及存储介质 | |
CN111081223B (zh) | 一种语音识别方法、装置、设备和存储介质 | |
CN109346099B (zh) | 一种基于语音识别的迭代去噪方法和芯片 | |
CN109545238B (zh) | 一种基于清洁机器人的语音去噪装置 | |
CN113646833A (zh) | 语音对抗样本检测方法、装置、设备及计算机可读存储介质 | |
CN110837758A (zh) | 一种关键词输入方法、装置及电子设备 | |
CN117727298B (zh) | 基于深度学习的手提电脑语音识别方法及系统 | |
CN109410928B (zh) | 一种基于语音识别的去噪方法和芯片 | |
CN109065026B (zh) | 一种录音控制方法及装置 | |
CN109602333B (zh) | 一种基于清洁机器人的语音去噪方法和芯片 | |
CN114822578A (zh) | 语音降噪方法、装置、设备及存储介质 | |
CN113077812B (zh) | 语音信号生成模型训练方法、回声消除方法和装置及设备 | |
CN112002307B (zh) | 一种语音识别方法和装置 | |
CN114822531A (zh) | 一种基于ai语音智能控制的液晶电视 | |
CN109360580B (zh) | 一种基于语音识别的迭代去噪装置和清洁机器人 | |
CN109584899B (zh) | 一种基于语音识别的去噪装置和清洁机器人 | |
CN115547352A (zh) | 电子设备及其噪音的处理方法、装置及介质 | |
CN113539266A (zh) | 命令词识别方法、装置、电子设备和存储介质 | |
CN103390404A (zh) | 信息处理装置、信息处理方法和信息处理程序 | |
CN111048096B (zh) | 一种语音信号处理方法、装置及终端 | |
CN113692618B (zh) | 一种语音命令识别的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 519000 2706, No. 3000, Huandao East Road, Hengqin new area, Zhuhai, Guangdong Applicant after: Zhuhai Yiwei Semiconductor Co., Ltd Address before: 519000 room 105-514, No. 6, Baohua Road, Hengqin new area, Zhuhai, Guangdong Applicant before: Zhuhai Yiwei Semiconductor Co., Ltd |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |