專利名稱：分布式語(yǔ)音識(shí)別系統(tǒng)中語(yǔ)音識(shí)別的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種語(yǔ)音識(shí)別的方法和設(shè)備，尤其涉及一種分布式語(yǔ)音識(shí)別系統(tǒng)中語(yǔ)音識(shí)別的方法和設(shè)備。
背景技術(shù)：
自動(dòng)語(yǔ)音識(shí)別(ASR)是根據(jù)語(yǔ)音波形中所包括的信息自動(dòng)識(shí)別語(yǔ)音指令類型的方法。根據(jù)話音而非物理的密鑰，ASR已經(jīng)引導(dǎo)了新一代的安全設(shè)備，并且已經(jīng)可以實(shí)現(xiàn)完全的“免持”或“免提”特性，例如話音撥號(hào)和話音信息檢索。
在最高級(jí)上，所有的ASR系統(tǒng)為特征提取(也稱作信號(hào)處理前端)和特征匹配(也稱作信號(hào)處理后端)而處理語(yǔ)音。特征提取是從一個(gè)語(yǔ)音輸入中提取少量數(shù)據(jù)來(lái)表示所述語(yǔ)音輸入的方法。特征匹配是通過比較所提取的數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集來(lái)識(shí)別出所述語(yǔ)音輸入中所包含的指令類型的方法。在一個(gè)標(biāo)準(zhǔn)的ASR系統(tǒng)中，由一個(gè)處理單元執(zhí)行這兩個(gè)功能。
然而，與使用原始未修改的語(yǔ)音作為輸入的ASR系統(tǒng)的性能相比，使用諸如在一條移動(dòng)或無(wú)線信道上傳輸?shù)恼Z(yǔ)音作為輸入的ASR系統(tǒng)的性能可能明顯很低。這種系統(tǒng)性能上的惡化可能是因?yàn)樵趥鬏數(shù)恼Z(yǔ)音中編碼算法以及信道傳輸誤碼所引入的失真。
分布式語(yǔ)音識(shí)別(DSR)系統(tǒng)試圖通過使特征提取和特征匹配分離和具有由安裝在兩個(gè)不同位置上的兩個(gè)不同的處理單元執(zhí)行的兩種方法來(lái)校正因語(yǔ)音傳輸所導(dǎo)致的系統(tǒng)性能惡化。例如，在包括第一通信設(shè)備(例如一個(gè)移動(dòng)單元)和第二通信設(shè)備(例如一臺(tái)服務(wù)器)的DSR移動(dòng)或無(wú)線通信系統(tǒng)或網(wǎng)絡(luò)內(nèi)，移動(dòng)單元僅執(zhí)行特征提取，即移動(dòng)單元從語(yǔ)音輸入中提取和編碼識(shí)別特征。然后，移動(dòng)單元在一條錯(cuò)誤保護(hù)數(shù)據(jù)信道上將編碼特征發(fā)送給服務(wù)器。服務(wù)器接收編碼識(shí)別特征，并僅執(zhí)行特征匹配，即服務(wù)器匹配編碼特征與一個(gè)已知數(shù)據(jù)集中的特征。
使用所述方法，編碼失真被最小化，并且傳輸信道錯(cuò)誤對(duì)所述識(shí)別系統(tǒng)的性能僅產(chǎn)生很小的影響。而且，移動(dòng)單元只需要執(zhí)行計(jì)算量較少的特征提取，將計(jì)算量較多的特征匹配留給服務(wù)器。通過將計(jì)算量較多的活動(dòng)保留給服務(wù)器的處理器，為移動(dòng)單元的處理器保留了更大的設(shè)計(jì)靈活性，因?yàn)楫?dāng)前強(qiáng)調(diào)的是單元小型化，所以處理器的大小和速度一般非常重要。
歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)(ETSI)最近公開了一個(gè)用于DSR特征提取和壓縮算法的標(biāo)準(zhǔn)。歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)標(biāo)準(zhǔn)ES 201 108，語(yǔ)音處理，傳輸和質(zhì)量方面(STQ)；分布式語(yǔ)音識(shí)別；前端特征提取算法；壓縮算法(Speech Processing，Transmission and Quality aspects(STQ)；Distributed speech recognition；Front-end feature extration algorithm；Compression algorithms)，2000年4月1.1.2版(在下文中稱作“ETSI標(biāo)準(zhǔn)”)，在此全文引用作為參考。雖然存在多種編碼語(yǔ)音輸入數(shù)據(jù)的方法，例如線性預(yù)測(cè)(LP)，ETSI標(biāo)準(zhǔn)包括一個(gè)特征提取算法，它提取并編碼語(yǔ)音輸入作為一個(gè)對(duì)數(shù)能量(log-energy)值和一系列用于每個(gè)幀的Mel-頻率倒譜系數(shù)(MFCC)。這些參數(shù)基本上捕獲了語(yǔ)音輸入的頻譜包絡(luò)信息，并且在大多數(shù)大詞匯量語(yǔ)音識(shí)別器中廣泛地使用。ETSI標(biāo)準(zhǔn)還包括用于(通過矢量量化)壓縮和錯(cuò)誤保護(hù)(循環(huán)冗余校驗(yàn)碼)的算法。ETSI標(biāo)準(zhǔn)還描述了用于比特流解碼和信道錯(cuò)誤降低的合適的算法。在一個(gè)10毫秒的更新間隔上并添加了同步和首部信息，數(shù)據(jù)傳輸速率達(dá)到4800比特/秒。
總而言之，諸如根據(jù)ETSI標(biāo)準(zhǔn)所設(shè)計(jì)的一個(gè)DSR系統(tǒng)為移動(dòng)通信網(wǎng)絡(luò)的實(shí)現(xiàn)提供了很多優(yōu)點(diǎn)。這樣一種系統(tǒng)提供與ASR系統(tǒng)相同的識(shí)別性能，但具有可以合并在一個(gè)移動(dòng)單元內(nèi)的低復(fù)雜性的前端和用于傳輸編碼識(shí)別特征的低帶寬要求。
DSR系統(tǒng)的缺點(diǎn)在于為了存儲(chǔ)和/或驗(yàn)證目的在后端不能獲得原始語(yǔ)音輸入。能夠獲得原始的話音輸入對(duì)于下述情況將是有幫助的(i)要求人力協(xié)助的后端應(yīng)用，以便例如通過允許比較使用遠(yuǎn)程口授系統(tǒng)生成的文件與原始的語(yǔ)音輸入來(lái)允許所述文件的手工校正，或者當(dāng)識(shí)別工作從一個(gè)DSR系統(tǒng)切換倒一個(gè)操作員時(shí)允許平滑轉(zhuǎn)換；(ii)預(yù)防性地存儲(chǔ)法律上敏感的信息，例如在諸如發(fā)出證券訂單的金融交易過程中記錄確切的陳述；和(iii)在數(shù)據(jù)庫(kù)收集過程中的最終驗(yàn)證，例如用于訓(xùn)練批處理方式(尤其是遞增模式)和系統(tǒng)調(diào)諧中的識(shí)別器。
另一方面，如果使用一個(gè)標(biāo)準(zhǔn)的ASR系統(tǒng)，則原始語(yǔ)音在后端上是可用的。然而，如上所述，當(dāng)在移動(dòng)或無(wú)線應(yīng)用中使用時(shí)，ASR具有顯著的失真問題。也就是說，以在所希望的大約4800bps的比特率上編碼的語(yǔ)音明顯地降低了識(shí)別器的性能。另外，可以提供一個(gè)獨(dú)立的高質(zhì)量語(yǔ)音編碼器，但是這將要求顯著地增加帶寬。
附圖的簡(jiǎn)要描述

圖1是根據(jù)本發(fā)明一種實(shí)施例的使用語(yǔ)音編碼和語(yǔ)音重構(gòu)方法的分布式語(yǔ)音識(shí)別系統(tǒng)的示意圖；圖2是圖示在圖1所示的系統(tǒng)中使用的根據(jù)本發(fā)明一種實(shí)施例的語(yǔ)音編碼方法的流程圖；圖3是圖示在圖1所示的系統(tǒng)中使用的根據(jù)本發(fā)明一種實(shí)施例的語(yǔ)音重構(gòu)方法的流程圖；圖4是根據(jù)本發(fā)明一種實(shí)施例的語(yǔ)音編碼和語(yǔ)音重構(gòu)設(shè)備的示意圖；圖5是圖示由圖4所示的語(yǔ)音編碼設(shè)備使用的語(yǔ)音編碼方法的流程圖；
圖6是圖示由圖4所示的語(yǔ)音重構(gòu)設(shè)備使用的語(yǔ)音激發(fā)確定方法的流程圖；和圖7也是圖示由圖4所示的語(yǔ)音重構(gòu)設(shè)備使用的語(yǔ)音激發(fā)確定方法的流程圖。
實(shí)施例的詳細(xì)描述根據(jù)本發(fā)明的實(shí)施例，提供了一種語(yǔ)音重構(gòu)的方法和設(shè)備。具體而言，在一種分布式語(yǔ)音識(shí)別系統(tǒng)中，所述系統(tǒng)包括第一通信設(shè)備，它接收一個(gè)語(yǔ)音輸入，編碼代表語(yǔ)音輸入的數(shù)據(jù)，并傳輸編碼數(shù)據(jù)；和第二遠(yuǎn)程通信設(shè)備，它接收編碼數(shù)據(jù)并比較所述編碼數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集，一種在第二通信設(shè)備上重構(gòu)語(yǔ)音輸入的方法，包括接收包括編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)的編碼數(shù)據(jù)的步驟。所述方法還包括解碼編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)以確定頻譜數(shù)據(jù)和能量數(shù)據(jù)的步驟。所述方法還包括組合所述頻譜數(shù)據(jù)和能量數(shù)據(jù)以重構(gòu)語(yǔ)音輸入的步驟。根據(jù)本發(fā)明一種實(shí)施例的設(shè)備包括一個(gè)安裝有一程序的處理器，所述程序控制所述處理器以接收和解碼所述編碼數(shù)據(jù)；和一個(gè)語(yǔ)音合成器，它組合解碼數(shù)據(jù)以重構(gòu)語(yǔ)音輸入。
圖1圖示一個(gè)通信網(wǎng)絡(luò)或系統(tǒng)20，具體而言，一個(gè)移動(dòng)或無(wú)線電頻率通信系統(tǒng)。盡管所圖示的系統(tǒng)20是一個(gè)移動(dòng)或無(wú)線電頻率通信系統(tǒng)，所述系統(tǒng)20也可以是任意類型的通信系統(tǒng)，例如一個(gè)有線系統(tǒng)或者一個(gè)使用除了無(wú)線頻率通信之外的其它通信方法的系統(tǒng)。
系統(tǒng)20包括一個(gè)移動(dòng)通信設(shè)備22(如一個(gè)移動(dòng)站)和一個(gè)固定通信設(shè)備24(如一個(gè)基站)，移動(dòng)設(shè)備22通過使用無(wú)線電頻率傳輸與固定設(shè)備24通信。固定設(shè)備24又在一條有線連接上與一臺(tái)服務(wù)器26通信，服務(wù)器26與遠(yuǎn)程站28亦如此。使用這樣一個(gè)系統(tǒng)20，一個(gè)用戶30可以與遠(yuǎn)程站28通信，也可以與遠(yuǎn)程站28的相關(guān)用戶32通信。
雖然在圖1中僅圖示了一個(gè)移動(dòng)設(shè)備22、固定設(shè)備24、服務(wù)器26和遠(yuǎn)程站28，顯然正如一般情況，所述系統(tǒng)20可以包括與多個(gè)固定設(shè)備24通信的多個(gè)移動(dòng)設(shè)備22，固定設(shè)備24又與多臺(tái)服務(wù)器26通信，后者又與多個(gè)遠(yuǎn)程站28通信。為了便于解釋，圖示了一個(gè)移動(dòng)設(shè)備22、固定設(shè)備24、服務(wù)器26和遠(yuǎn)程站28，但是在此所描述的本發(fā)明并不受所圖示系統(tǒng)20的大小的限制。
系統(tǒng)20是一個(gè)分布式語(yǔ)音設(shè)備系統(tǒng)，即移動(dòng)設(shè)備22執(zhí)行特征提取，服務(wù)器26執(zhí)行特征匹配。系統(tǒng)20還使用本發(fā)明的一種實(shí)施例在服務(wù)器26上提供重構(gòu)數(shù)據(jù)以存儲(chǔ)和/或驗(yàn)證。在圖2中具體圖示了移動(dòng)設(shè)備22用于提取識(shí)別特征從而編碼一個(gè)語(yǔ)音輸入的方法。類似地，在圖3中圖示了服務(wù)器26用于重構(gòu)語(yǔ)音信號(hào)的方法。
如圖2所示，移動(dòng)設(shè)備22在步驟34接收一個(gè)語(yǔ)音輸入。移動(dòng)設(shè)備22在步驟36確定和編碼代表語(yǔ)音輸入能量的數(shù)據(jù)。在步驟38，移動(dòng)設(shè)備22使用例如LP參數(shù)、MFCC或者某種其它方法來(lái)確定和編碼代表語(yǔ)音輸入頻譜的數(shù)據(jù)。在步驟39，移動(dòng)設(shè)備22可選擇地確定和編碼語(yǔ)音輸入的其它相關(guān)數(shù)據(jù)，例如類型和音調(diào)周期數(shù)據(jù)。在步驟40組合在方框36、38和(可選地)39上確定的數(shù)據(jù)以便傳輸。在圖2中的步驟42，將組合后的編碼信號(hào)從移動(dòng)設(shè)備22發(fā)送到固定設(shè)備24，并且隨后，在圖3中的步驟44，從固定設(shè)備24發(fā)送由服務(wù)器26接收。
同樣如圖3所示，服務(wù)器26在步驟46解碼和確定能量數(shù)據(jù)。服務(wù)器26還在步驟48解碼和確定頻譜數(shù)據(jù)。服務(wù)器26還可選地在步驟49解碼和確定傳輸來(lái)的語(yǔ)音輸入的其它相關(guān)數(shù)據(jù)。服務(wù)器26在步驟50組合在步驟46和48確定的能量數(shù)據(jù)和頻譜數(shù)據(jù)與在步驟49確定的附加語(yǔ)音數(shù)據(jù)以重構(gòu)在步驟34接收到的語(yǔ)音輸入。在步驟52輸出重構(gòu)的語(yǔ)音。
使用這一系統(tǒng)20，除了編碼形式的語(yǔ)音輸入之外，在服務(wù)器26上還可以獲得重構(gòu)形式的語(yǔ)音輸入，并可以傳送給遠(yuǎn)程站28。所述重構(gòu)形式的語(yǔ)音輸入例如可以由用戶32檢查遠(yuǎn)程口授系統(tǒng)所生成的一個(gè)文件。而且，通過主要將移動(dòng)設(shè)備22生成的編碼語(yǔ)音信號(hào)用于語(yǔ)音輸入的重構(gòu)，在未顯著增加移動(dòng)設(shè)備22和固定設(shè)備24之間傳輸信道帶寬的情況下，可以在遠(yuǎn)程站28上獲得重構(gòu)的語(yǔ)音。
現(xiàn)在將參考圖4至圖7解釋設(shè)備22和26的詳細(xì)結(jié)構(gòu)和語(yǔ)音編碼和重構(gòu)的具體方法。
移動(dòng)設(shè)備22的詳細(xì)結(jié)構(gòu)在圖4的左半部圖示。移動(dòng)設(shè)備22包括一個(gè)語(yǔ)音輸入設(shè)備54(例如一個(gè)麥克風(fēng))，它連接到一個(gè)DSR信號(hào)生成器56和一個(gè)語(yǔ)音聲碼器56-分析器58。DSR信號(hào)生成器56提取通過語(yǔ)音輸入設(shè)備54接收到的語(yǔ)音輸入的相關(guān)頻譜數(shù)據(jù)，并生成一個(gè)代表頻譜數(shù)據(jù)的編碼信號(hào)。聲碼器-分析器58提取可以在后端上用于重構(gòu)語(yǔ)音的語(yǔ)音輸入的相關(guān)附加數(shù)據(jù)。
組合器60將來(lái)自DSR信號(hào)生成器的編碼信號(hào)和由聲碼器-分析器58提取的附加數(shù)據(jù)集合成一個(gè)統(tǒng)一信號(hào)，所述信號(hào)被發(fā)送給一個(gè)連接到組合器60的發(fā)送器62。在圖1所示的系統(tǒng)20的實(shí)施例中，發(fā)送器62是一個(gè)無(wú)線電頻率發(fā)送器或收發(fā)信機(jī)，盡管根據(jù)本發(fā)明的方法可以由其它類型的通信系統(tǒng)使用，在這種情況下，將選擇發(fā)送器以與所選擇的系統(tǒng)相互兼容。
現(xiàn)在參考圖5解釋DSR信號(hào)生成器56的操作方法。在步驟64，由DSR信號(hào)生成器56接收語(yǔ)音輸入。在步驟66，例如在8000抽樣/秒的抽樣頻率(Fs)和16比特/抽樣上將語(yǔ)音輸入從模擬轉(zhuǎn)換成數(shù)字。數(shù)字化后的語(yǔ)音在步驟68通過一個(gè)直流偏置消除濾波器，并在步驟70分割成重疊幀。幀的大小取決于抽樣頻率。對(duì)于容納三種不同抽樣頻率8、11和16KHz的ETSI標(biāo)準(zhǔn)來(lái)說，幀的大小可以分別是200、256和400抽樣。
然后，在步驟72，計(jì)算幀的能量等級(jí)，并確定其自然對(duì)數(shù)。所得到的數(shù)值也稱作對(duì)數(shù)能量值。
然后，成幀數(shù)字化的語(yǔ)音信號(hào)在步驟74通過一個(gè)預(yù)加重濾波器以預(yù)加重高頻分量。然后在步驟76給每個(gè)語(yǔ)音幀加窗口(例如使用一個(gè)漢明窗)，并在步驟78使用快速傅立葉變換(“FFT”)將其轉(zhuǎn)換到頻域。類似于幀大小，所使用的FFT的大小取決于抽樣頻率，例如256點(diǎn)FFT用于8和11kHz的抽樣頻率，而512點(diǎn)的FFT用于16kHz的抽樣頻率。
然后，通過一個(gè)稱作Mel-濾波的處理將64Hz和Fs/2(例如8kHz抽樣頻率的4kHz)之間頻率范圍內(nèi)的FFT幅值轉(zhuǎn)換到Mel-頻域。執(zhí)行到Mel-頻域的轉(zhuǎn)換是因?yàn)樾睦韺W(xué)研究表明人類對(duì)語(yǔ)音信號(hào)的聲頻譜的感覺并不遵從線性量度。因此，對(duì)于具有一個(gè)以赫茲為單位測(cè)量的實(shí)際頻率f的每個(gè)音頻，可以在第二量度上表示一個(gè)主觀音調(diào)(subjective pitch)，所述第二量度稱作Mel-頻率量度。
在步驟80上出現(xiàn)的Mel-濾波處理如下。首先使用下面的表達(dá)式將頻率范圍(例如64Hz到4000Hz)變形映射(warp into)成Mel-頻率量度。
Mel(f)=2595.0*log10(1+f700.0)]]>使用這個(gè)等式，例如對(duì)應(yīng)于頻率64Hz和40000Hz的Mel頻率分別是98.6和2146.1。然后，將這個(gè)Mel-頻率范圍分割成23個(gè)大小相同、半重疊的頻帶(也稱作信道或存儲(chǔ)包(bin))，每個(gè)頻帶170.6寬，每個(gè)頻帶的中心間距85.3。第一頻帶的中心位于98.6+85.3＝183.9，最后一個(gè)頻帶的中心位于2146.1-85.3＝2060.8。這些在Mel-頻域內(nèi)大小相同的頻帶對(duì)應(yīng)于線性頻域內(nèi)大小不同的頻帶，其中頻帶大小隨著頻率軸增加。然后，使用一個(gè)三角加權(quán)窗口(在中心的加權(quán)等于1.0，在兩端的加權(quán)等于0.0)來(lái)平均(濾波)落入每個(gè)頻帶內(nèi)的FFT幅值。濾波后的頻帶輸出隨后經(jīng)過一個(gè)自然對(duì)數(shù)操作。
然后在步驟82，使用一個(gè)23點(diǎn)的DCT(離散余弦變換)將在步驟80生成的23個(gè)對(duì)數(shù)頻譜值轉(zhuǎn)換到對(duì)數(shù)頻率倒譜域。僅計(jì)算前13個(gè)數(shù)值(C0至C12)，丟棄即不計(jì)算其余10個(gè)數(shù)值(C13至C22)。然后在步驟84壓縮(量化)在步驟72計(jì)算出的幀對(duì)數(shù)能量和在步驟82計(jì)算出的13個(gè)對(duì)數(shù)頻率倒譜值(也稱作Mel-頻率倒譜系數(shù)或MFCC)，并在步驟86發(fā)送給固定設(shè)備24。對(duì)于根據(jù)ETSI標(biāo)準(zhǔn)操作的系統(tǒng)20來(lái)說，每10毫秒更新一次MFCC和對(duì)數(shù)能量值。
如上所述，聲碼器-分析器58還接收語(yǔ)音輸入。具體而言，聲碼器-分析器58分析所述輸入以確定除了可以從DSR-編碼語(yǔ)音獲得的數(shù)據(jù)之外的、可以由服務(wù)器26使用的語(yǔ)音輸入的其它相關(guān)數(shù)據(jù)以重構(gòu)語(yǔ)音。由聲碼器-分析器58提取的具體數(shù)據(jù)取決于與服務(wù)器26相連的語(yǔ)音聲碼器的特性，所述服務(wù)器26將合成重構(gòu)后的語(yǔ)音。例如，編碼激勵(lì)線性預(yù)測(cè)(CELP)聲碼器需要用于將準(zhǔn)備的每個(gè)語(yǔ)音子幀的密碼本目錄。對(duì)于參數(shù)型聲碼器(例如正弦型聲碼器)來(lái)說，可能還需要其它激勵(lì)數(shù)據(jù)，例如類型(話音、非話音、等等)、音調(diào)周期以及諸如子幀能量級(jí)的更高分辨率的能量數(shù)據(jù)。
人們將認(rèn)識(shí)到當(dāng)比特率低于大約4800bps時(shí)，CELP編碼器所合成的語(yǔ)音質(zhì)量將迅速下降。相反地，參數(shù)型聲碼器在較低的比特率上提供合理的語(yǔ)音質(zhì)量。因?yàn)橐粋€(gè)DSR系統(tǒng)的主要要求之一是低數(shù)據(jù)傳輸速率，所以一般將在服務(wù)器26內(nèi)使用一個(gè)參數(shù)型聲碼器，尤其是一個(gè)正弦型聲碼器。因此，根據(jù)本發(fā)明的優(yōu)選實(shí)施例，語(yǔ)音聲碼器-分析器58為每個(gè)語(yǔ)音幀確定類型、音調(diào)周期和子幀能量數(shù)據(jù)，但是也可以選擇省略子幀能量數(shù)據(jù)，因?yàn)榭梢酝ㄟ^從對(duì)數(shù)能量值中內(nèi)插來(lái)計(jì)算子幀能量。
聲碼器-分析器58最好在大約20毫秒的幀大小上執(zhí)行操作，即每20毫秒傳輸一次參數(shù)。在每個(gè)幀內(nèi)，將兩個(gè)比特用于類型參數(shù)，即指示一幀是非語(yǔ)音、話音、非話音、混合話音、等等。最好使用一個(gè)基于能量的話音活動(dòng)檢測(cè)器(VAD)來(lái)進(jìn)行語(yǔ)音/非語(yǔ)音分類，同時(shí)根據(jù)包括周期相關(guān)性(在等于一個(gè)音調(diào)周期的滯后上的標(biāo)準(zhǔn)化相關(guān)性)、非周期性能量比(解除相關(guān)和原始幀的能量比)和高頻能量比的多個(gè)特征來(lái)確定合音合成等級(jí)。提供諧波頻率相關(guān)信息的音調(diào)周期參數(shù)一般使用附加的7個(gè)比特來(lái)表示，所述7個(gè)比特用于大約55Hz到420Hz的典型音調(diào)頻率范圍。最好使用一個(gè)低通濾波后的語(yǔ)音的時(shí)域相關(guān)性分析來(lái)估計(jì)所述音調(diào)周期。如果將要發(fā)送較高分辨率的能量數(shù)據(jù)參數(shù)，例如子幀能量參數(shù)，這可以使用附加的8個(gè)比特來(lái)實(shí)現(xiàn)。通過一個(gè)四維VQ在對(duì)數(shù)域中量化子幀能量，在一個(gè)子幀(每幀4個(gè)子幀)上計(jì)算非語(yǔ)音幀和非話音幀的能量和在一個(gè)音調(diào)周期上計(jì)算話音幀的能量。也可以組合子幀能量和對(duì)數(shù)能量值以降低比特率。
假設(shè)每20毫秒傳輸一次類型、音調(diào)周期和子幀能量值，即如果使用一個(gè)ETSI標(biāo)準(zhǔn)系統(tǒng)每?jī)蓚€(gè)DSR幀傳輸一次，大約800至850bps將會(huì)添加給數(shù)據(jù)傳輸速率。如果不傳輸附加的能量數(shù)據(jù)，可以僅僅將450bps添加給數(shù)據(jù)傳輸速率。
現(xiàn)在將參考圖4的右半部討論服務(wù)器26的具體結(jié)構(gòu)。根據(jù)本發(fā)明的一種實(shí)施例，接收機(jī)88連接到一個(gè)常規(guī)的DSR參數(shù)提取器90和一個(gè)DSR/語(yǔ)音處理器92。DSR參數(shù)提取器90連接到一個(gè)常規(guī)的DSR處理器94和一個(gè)常規(guī)的語(yǔ)音識(shí)別器96以比較編碼數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集，而DSR/語(yǔ)音處理器92連接到一個(gè)語(yǔ)音聲碼器-合成器98(如前面指出的，最好是一個(gè)正弦語(yǔ)音聲碼器-合成器)和一個(gè)語(yǔ)音輸出(例如揚(yáng)聲器)100。
參見圖6，DSR/語(yǔ)音處理器92包括一個(gè)程序，它如下所述控制所述DSR/語(yǔ)音處理器92確定和解碼DSR編碼頻譜數(shù)據(jù)，尤其是諧波幅值。在步驟104，將對(duì)應(yīng)于預(yù)加重濾波器脈沖響應(yīng)的MFCC值從所接收的MFCC值中減去以消除預(yù)加重的影響和Mel-濾波的影響。然后，在步驟106，轉(zhuǎn)換MFCC值以為每個(gè)所想要的諧波頻率計(jì)算對(duì)數(shù)頻譜值。然后，在步驟108指數(shù)化所述對(duì)數(shù)頻譜值以獲得這些諧波的匹配幅值。典型地，每20毫秒執(zhí)行一次這些步驟，當(dāng)然也可以更頻繁地執(zhí)行計(jì)算，例如每10毫秒一次。
圖7更詳細(xì)地圖示DSR/語(yǔ)音程序的操作。在步驟110，如上所述，將對(duì)應(yīng)于預(yù)加重濾波器脈沖響應(yīng)的MFCC值從所接收的MFCC值中大體上減去以消除預(yù)加重濾波器的影響。另外，作為最后一個(gè)步驟，通過將諧波頻率的頻譜幅值除以預(yù)加重濾波器在對(duì)應(yīng)的諧波頻率上的脈沖響應(yīng)可以消除預(yù)加重濾波器的影響。然而，除了預(yù)加重濾波器之外，因?yàn)檠刂€性的頻率軸增加的頻帶帶寬，Mel-濾波器加重較高的頻率。Mel-濾波器在任一頻帶中心上的脈沖響應(yīng)都可以被采用為對(duì)應(yīng)的頻帶帶寬，并且可以為任何其它的頻率使用一個(gè)內(nèi)插值。通過計(jì)算預(yù)加重濾波器和Mel-濾波器的組合脈沖響應(yīng)，將諧波頻率的頻譜幅值除以在對(duì)應(yīng)諧波頻率上的組合脈沖響應(yīng)，能夠在單個(gè)步驟中消除兩個(gè)濾波器的影響。步驟110實(shí)現(xiàn)相同的結(jié)果。
然后使用消除預(yù)加重濾波器和Mel-濾波器影響的已修改的MFCC值來(lái)根據(jù)下述步驟估計(jì)頻譜幅值。在步驟112確定對(duì)應(yīng)于諧波頻率(可以根據(jù)音調(diào)周期獲得)的Mel頻率。然后，在步驟114，116，對(duì)在諧波的Mel頻率上的已修改的MFCC值執(zhí)行反離散余弦變換(IDCT)以將頻率倒譜系數(shù)轉(zhuǎn)換成對(duì)數(shù)頻率倒譜值。
也就是說，除了頻率倒譜序列的截?cái)嗪土炕瘜?dǎo)致的失真之外，MFCC值C0至C12(假設(shè)C13至C22為零)的23點(diǎn)IDCT將恢復(fù)原始的23個(gè)對(duì)數(shù)頻譜值。然而，這些對(duì)數(shù)頻譜值對(duì)應(yīng)于23個(gè)頻帶的中心頻率。需要其它頻率上的對(duì)數(shù)頻譜值以為諧波頻率確定轉(zhuǎn)換后的MFCC值。
為了提高抽樣分辨率，可以以23的奇數(shù)倍增加IDCT的大小，即(2K+1)×23，其中K＞0。這在對(duì)應(yīng)于這些頻帶中心的23個(gè)原始Mel-頻率的兩側(cè)引入了K個(gè)附加的Mel-頻率點(diǎn)。例如，如果K＝85，則在第一頻帶中心的左側(cè)和最后一個(gè)(即第23個(gè))頻帶中心的右側(cè)存在85個(gè)附加的Mel-頻率點(diǎn)，和在任意兩個(gè)連續(xù)的頻帶中心之間存在170個(gè)附加的Mel-頻率點(diǎn)。在這種情況下，Mel-頻率點(diǎn)的總數(shù)是171×23＝3933。對(duì)于Fs＝8000Hz，頻帶中心在Mel-頻率量度上相距85.3，K＝85的選擇提高了分辨率，所以連續(xù)的Mel頻率點(diǎn)僅相距85.3/171＝0.499。需注意的是，IDCT的最左和最右的Mel-頻率點(diǎn)并不對(duì)應(yīng)于線性頻率量度上的0和Fs/2(例如4000Hz)。對(duì)于我們的這個(gè)例子來(lái)說，最左的Mel-頻率點(diǎn)在183.9-85×0.499＝141.48上，最右的Mel-頻率點(diǎn)在2060.8+85×0.499＝2103.2上。在我們的例子中，在線性頻率量度上的對(duì)應(yīng)點(diǎn)分別是93.6Hz和3824.6Hz。一種處理IDCT頻率范圍未覆蓋的頻率的方法是使用最近的頻率點(diǎn)，即將低于93.6Hz的頻率分配給在93.6Hz上的頻率點(diǎn)，類似地，將高于3824.6Hz的頻率分配給在3824.6Hz上的頻率點(diǎn)。另一種方法是使用某種內(nèi)插法。
使用DCT自身的基本函數(shù)作為插值函數(shù)，較高分辨率的IDCT基本上內(nèi)插在Mel-頻帶的中心頻率之間。然而，并不必須執(zhí)行一個(gè)3933點(diǎn)的IDCT。相反，為了便于在選定的頻率點(diǎn)上計(jì)算IDCT，在步驟118可以使用下式可選擇地預(yù)先計(jì)算一個(gè)12×3933矩陣L的IDCT值。
Li,j=(223)cos((2j+1)*i*π2*23*171)]]>其中i＝1，2，……，12和j＝0，1，……，3932。對(duì)應(yīng)于C0的第零行是隱含的，不需要存儲(chǔ)，因?yàn)槠鋽?shù)值對(duì)于所有的列都是1/23的常數(shù)。對(duì)應(yīng)于C13至C22的行不需要存儲(chǔ)，因?yàn)檫@些系數(shù)是不可使用的，并假定為零。
給出這個(gè)矩陣L以獲得在任意給定Mel-頻率上的對(duì)數(shù)頻譜值，定位已經(jīng)計(jì)算出IDCT的最近Mel-頻率點(diǎn)，選擇矩陣L的相應(yīng)列矢量，并形成相應(yīng)列和已修改的MFCC矢量[C0，C1，…，C12]之間的內(nèi)積。因此，為了給諧波頻率確定對(duì)數(shù)頻譜值，例如，在步驟114定位最近的Mel-頻率點(diǎn)，并選擇矩陣L的相應(yīng)列矢量。而且，在步驟116，形成已修改的MFCC矢量和在步驟114選擇的矩陣L的列矢量之間的內(nèi)積。
然后，在步驟120指數(shù)化轉(zhuǎn)換后的系數(shù)以計(jì)算頻譜幅值。
正弦語(yǔ)音聲碼器-合成器98在上述程序的控制下使用這些頻譜幅值、幀能量的相關(guān)數(shù)據(jù)和同樣由DSR/語(yǔ)音處理器92提取的其它數(shù)據(jù)(例如類型、音調(diào)周期和子幀能量)，作為具有不同頻率、幅值和相位的多個(gè)正弦信號(hào)之和來(lái)重構(gòu)語(yǔ)音。具體地說，合成器使用一個(gè)語(yǔ)音乘積的正弦模型來(lái)重構(gòu)語(yǔ)音。
s(j)=ΣkAk,jcos(Φk,j)]]>其中作為多個(gè)諧波相關(guān)的幅值為A和相位為Φ的正弦曲線之和來(lái)合成語(yǔ)音抽樣s(j)，j是抽樣標(biāo)號(hào)，k是諧波標(biāo)號(hào)。
典型地，合成處理開始于在每幀中點(diǎn)上的頻率、幅值和相位的計(jì)算。所使用的頻率是音調(diào)頻率以及可以使用音調(diào)周期計(jì)算出的它的諧波。所使用的幅值可以是諧波幅值，這可以使用上面討論的方法所確定頻譜幅值和與幀的中點(diǎn)相對(duì)應(yīng)的子幀能量(或者是它的使用對(duì)數(shù)能量值的一個(gè)插值)來(lái)估計(jì)。例如對(duì)于非話音語(yǔ)音來(lái)說，幅值可以對(duì)應(yīng)于不必等于諧波頻率的一組頻率，在這種情況下，可以使用上述方法的一般形式和對(duì)應(yīng)于幀中點(diǎn)的子幀能量(或者是它的使用對(duì)數(shù)能量值的一個(gè)插值)來(lái)估計(jì)這些幅值。所計(jì)算的相位取決于類型參數(shù)。對(duì)于話音語(yǔ)音來(lái)說，計(jì)算相干相位。對(duì)于非話音語(yǔ)音來(lái)說，計(jì)算隨機(jī)的非相干相位。對(duì)于混合話音語(yǔ)音來(lái)說，話音模型用于低頻，而非話音模型用于高頻。從模型化的相位中消除任意線性的相位分量。
一旦獲得中點(diǎn)頻率、幅值和相位值，就可以計(jì)算其它點(diǎn)上的幅值和相位。例如，一旦獲得當(dāng)前和前一話音幀中點(diǎn)上的幅值，就可以使用線性內(nèi)插調(diào)整在這些點(diǎn)上的能量來(lái)計(jì)算子幀邊界上的幅值。也可以使用線性內(nèi)插來(lái)計(jì)算子幀內(nèi)的幅值。通過允許相位根據(jù)頻率線性地演變，可以計(jì)算在不同抽樣標(biāo)號(hào)上的諧波相位。允許頻率在子幀邊界上以從前一數(shù)值到當(dāng)前數(shù)值相等的間距變化。使用線性相位校正因子(即輕微的頻移)來(lái)解決這種演變所導(dǎo)致的任何相位不連續(xù)性。如果前一幀和當(dāng)前幀的種類不同(例如一個(gè)話音，另一個(gè)是非話音)，或者兩者都是話音幀但是音調(diào)周期完全不同，例如加倍，則分別合成這兩個(gè)幀并在時(shí)域上疊加。
實(shí)例1使用一個(gè)語(yǔ)音數(shù)據(jù)庫(kù)，在8kHz的頻率上抽樣，使用一個(gè)m-IRS濾波器預(yù)處理，并包括32個(gè)句子對(duì)(4男+4女，每人四個(gè)句子對(duì))。通過首先估計(jì)音調(diào)周期以確定諧波頻率，然后從256點(diǎn)FFT的漢明窗口化語(yǔ)音中提取在這些頻率上的幅值，從而為每個(gè)話音幀(20毫秒長(zhǎng))獲得原始的諧波幅值。然后，完成上述的DSR編碼方法以計(jì)算MFCC矢量。然后使用上面也已經(jīng)描述過的根據(jù)本發(fā)明的方法來(lái)為來(lái)自每個(gè)其它MFCC矢量的每20毫秒的幀估計(jì)諧波幅值。將N個(gè)話音幀上的平均失真D計(jì)算為D=1NΣn=1n=NDn]]>其中第n個(gè)幀的失真由下式給出Dn=1KiΣk=1k=Ki[20*log10(Mk,n)-20*log10(M~k,n)]]]>其中K是諧波數(shù)量，Mk，n和 分別是原始和所估計(jì)的諧波幅值。首先為每個(gè)幀標(biāo)準(zhǔn)化原始和所估計(jì)的幅值以便它們的對(duì)數(shù)平均值為零。
結(jié)果在表1中示出，其中也體現(xiàn)了量化和截?cái)嗟挠绊憽?br> 表1

實(shí)例2為了估計(jì)根據(jù)本發(fā)明的方法的質(zhì)量，還執(zhí)行一個(gè)主觀平均意見分(MOS)測(cè)試。為此目的使用在實(shí)例1中使用的同一語(yǔ)音數(shù)據(jù)庫(kù)。在測(cè)試中總共包括32種情況。包括了幾種MNRU的情況和編碼標(biāo)準(zhǔn)作為參考，以確?？缭劫|(zhì)量等級(jí)的整個(gè)范圍。由一組32個(gè)自然聽眾根據(jù)5點(diǎn)量度極差(1)、差(2)、中等(3)、好(4)和極好(5)來(lái)評(píng)估語(yǔ)音質(zhì)量。在隔音室內(nèi)執(zhí)行測(cè)試，并通過一個(gè)單聲道耳機(jī)來(lái)播放語(yǔ)音抽樣。
MOS數(shù)量(在256投票上平均)如下原始的未編碼語(yǔ)音得分4.32。G726(32Kbps ADPCM)和G729(8Kbps CS-ACELP)標(biāo)準(zhǔn)分別得分3.65和3.89。MELP聲碼器(2400bps聯(lián)邦標(biāo)準(zhǔn))得分2.93。一種常規(guī)的2400bps聲碼器(使用一個(gè)14階全極點(diǎn)模型來(lái)模型化幅值，使用一個(gè)4分割VQ來(lái)量化所述14階全極點(diǎn)模型的模型參數(shù)(線性頻譜頻率))及其在2700bps上的20毫秒變化分別得分3.11和3.15。通過比較，使用子幀能量級(jí)別相關(guān)數(shù)據(jù)重構(gòu)語(yǔ)音的本發(fā)明的一種實(shí)施例得分2.43，而不使用子幀能量級(jí)別相關(guān)數(shù)據(jù)的一種實(shí)施例得分2.26。
除了質(zhì)量之外，還評(píng)估了可懂度。為了評(píng)估可懂度，執(zhí)行一個(gè)(有限)診斷韻律測(cè)試(DRT)。在所述測(cè)試中由2個(gè)演講者(1男1女)和8個(gè)(未訓(xùn)練的)聽眾口述標(biāo)準(zhǔn)的DRT測(cè)試詞。在一個(gè)隔音室內(nèi)執(zhí)行所述測(cè)試，并通過一個(gè)單聲道耳機(jī)重構(gòu)語(yǔ)音抽樣。
發(fā)現(xiàn)20毫秒版的常規(guī)聲碼器(2700bps)的(平均)整體可懂度是88。通過比較，發(fā)現(xiàn)使用子幀能量級(jí)別的實(shí)施例得分是82.8。
由實(shí)例1和實(shí)例2得出的結(jié)果是重構(gòu)語(yǔ)音具有合理的質(zhì)量和相當(dāng)?shù)目啥取?br> 總而言之，根據(jù)本發(fā)明的系統(tǒng)、方法和設(shè)備與標(biāo)準(zhǔn)ASR和DSR相比提供了若干優(yōu)點(diǎn)。與ASR不同，根據(jù)本發(fā)明的系統(tǒng)、方法和設(shè)備克服了傳輸語(yǔ)音所導(dǎo)致的失真級(jí)別。與DSR不同，根據(jù)本發(fā)明的系統(tǒng)、方法和設(shè)備使重構(gòu)語(yǔ)音能夠被存儲(chǔ)和/或驗(yàn)證。而且，通過將數(shù)據(jù)傳輸速率增加不超過大約10％至20％，根據(jù)本發(fā)明的系統(tǒng)、方法和設(shè)備使得能夠根據(jù)本發(fā)明的一種優(yōu)選實(shí)施例獲得所述重構(gòu)的語(yǔ)音。也就是說，通過利用已經(jīng)被編碼為DSR處理一部分的數(shù)據(jù)，根據(jù)本發(fā)明的系統(tǒng)、方法和設(shè)備使必須傳輸以在后端上提供重構(gòu)語(yǔ)音的附加數(shù)據(jù)最小化。
通過研讀說明書、附圖和權(quán)利要求書將獲得本發(fā)明的其它方面、目的和優(yōu)點(diǎn)。
權(quán)利要求
1.在一種分布式語(yǔ)音識(shí)別系統(tǒng)中，所述系統(tǒng)包括第一通信設(shè)備，它接收一個(gè)語(yǔ)音輸入，編碼代表語(yǔ)音輸入的數(shù)據(jù)，并傳輸所述編碼數(shù)據(jù)；和第二遠(yuǎn)程通信設(shè)備，它接收編碼數(shù)據(jù)，并比較所述編碼數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集，一種在第二通信設(shè)備上重構(gòu)語(yǔ)音輸入的方法，包括步驟接收包括編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)的編碼數(shù)據(jù)；解碼所述編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)以確定所述頻譜數(shù)據(jù)和能量數(shù)據(jù)；和組合所述頻譜數(shù)據(jù)和能量數(shù)據(jù)以重構(gòu)所述語(yǔ)音輸入。
2.根據(jù)權(quán)利要求1的重構(gòu)語(yǔ)音輸入的方法，其中接收步驟包含接收包括編碼為一系列Mel-頻率倒譜系數(shù)的頻譜數(shù)據(jù)的編碼數(shù)據(jù)的步驟。
3.根據(jù)權(quán)利要求2的重構(gòu)語(yǔ)音輸入的方法，其中所述語(yǔ)音輸入包括一個(gè)音調(diào)周期，且所述解碼步驟包括步驟確定對(duì)應(yīng)于所述音調(diào)周期的諧波Mel-頻率；對(duì)在所述諧波Mel-頻率上的Mel-頻率倒譜系數(shù)執(zhí)行一個(gè)反離散余弦變換以確定在所述諧波Mel-頻率上的語(yǔ)音輸入的對(duì)數(shù)頻率倒譜幅值；和指數(shù)化所述對(duì)數(shù)頻率倒譜幅值以確定所述語(yǔ)音輸入的頻譜幅值。
4.根據(jù)權(quán)利要求3的重構(gòu)語(yǔ)音輸入的方法，其中執(zhí)行反離散余弦變換的步驟包括步驟確定一個(gè)包括多個(gè)列矢量的矩陣，每個(gè)列矢量對(duì)應(yīng)于多個(gè)Mel-頻率之一；從所述矩陣中選擇一個(gè)列矢量，它對(duì)應(yīng)于多個(gè)Mel-頻率中在數(shù)值上最接近于諧波Mel-頻率之一的一個(gè)Mel-頻率；和形成在從所述系列的Mel-頻率倒譜系數(shù)形成的一個(gè)行矢量和所選擇的列矢量之間的一個(gè)內(nèi)積。
5.根據(jù)權(quán)利要求2的重構(gòu)語(yǔ)音輸入的方法，其中所述解碼步驟包括步驟確定對(duì)應(yīng)于一組頻率的Mel-頻率；和對(duì)在所述Mel-頻率上的Mel-頻率倒譜系數(shù)執(zhí)行一個(gè)反離散余弦變換以確定在所述Mel-頻率上的語(yǔ)音輸入的對(duì)數(shù)頻率倒譜幅值。
6.根據(jù)權(quán)利要求1的重構(gòu)語(yǔ)音輸入的方法，其中所述接收步驟包括接收編碼數(shù)據(jù)的步驟，所述編碼數(shù)據(jù)包括編碼的附加激勵(lì)數(shù)據(jù)；所述解碼步驟包括解碼編碼的附加激勵(lì)數(shù)據(jù)以確定所述附加激勵(lì)數(shù)據(jù)的步驟；和所述組合步驟包括組合所述頻譜、能量和激勵(lì)數(shù)據(jù)以重構(gòu)語(yǔ)音輸入的步驟。
7.根據(jù)權(quán)利要求6的重構(gòu)語(yǔ)音輸入的方法，其中所述解碼步驟包括解碼所述編碼的附加激勵(lì)數(shù)據(jù)以確定一個(gè)音調(diào)周期和一個(gè)話音類型的步驟。
8.在一種分布式語(yǔ)音識(shí)別系統(tǒng)中，所述系統(tǒng)包括第一通信設(shè)備，它接收一個(gè)語(yǔ)音輸入，編碼語(yǔ)音輸入的相關(guān)數(shù)據(jù)，并傳輸所述編碼數(shù)據(jù)；和第二遠(yuǎn)程通信設(shè)備，它接收所述編碼數(shù)據(jù)，并比較所述編碼數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集，所述第二遠(yuǎn)程通信設(shè)備包括一個(gè)包括一個(gè)程序的處理器，所述程序控制處理器以(i)接收包括編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)的編碼數(shù)據(jù)，所述頻譜數(shù)據(jù)被編碼為一系列的Mel-頻率倒譜系數(shù)；(ii)對(duì)在與所述語(yǔ)音輸入音調(diào)周期相對(duì)應(yīng)的諧波Mel-頻率上的Mel-頻率倒譜系數(shù)執(zhí)行一個(gè)反離散余弦變換以確定在這些諧波頻率上的語(yǔ)音輸入的對(duì)數(shù)頻譜幅值；(iii)指數(shù)化所述對(duì)數(shù)頻譜幅值以確定所述語(yǔ)音輸入的頻譜幅值；和(iv)解碼所述編碼的能量數(shù)據(jù)以確定能量數(shù)據(jù)；和一個(gè)語(yǔ)音合成器，它組合所述頻譜幅值和能量數(shù)據(jù)以重構(gòu)語(yǔ)音輸入。
9.根據(jù)權(quán)利要求8的通信設(shè)備，其中所述程序還控制處理器以(i)確定一個(gè)包括多個(gè)列矢量的矩陣，每個(gè)列矢量對(duì)用于多個(gè)Mel-頻率之一；(ii)從所述矩陣中選擇一個(gè)列矢量，它對(duì)應(yīng)于多個(gè)Mel-頻率中在數(shù)值上最接近于諧波Mel-頻率之一的一個(gè)Mel-頻率；和(iii)形成在從所述系列的Mel-頻率倒譜系數(shù)形成的一個(gè)行矢量和所選擇的列矢量之間的一個(gè)內(nèi)積以執(zhí)行所述反離散余弦變換。
全文摘要
在一種分布式語(yǔ)音識(shí)別系統(tǒng)(20)中，所述系統(tǒng)包括第一通信設(shè)備(22)，它接收一個(gè)語(yǔ)音輸入(34)，編碼代表語(yǔ)音輸入的數(shù)據(jù)(36，38)，并傳輸編碼數(shù)據(jù)(42)；和第二遠(yuǎn)程通信設(shè)備(26)，它接收編碼數(shù)據(jù)(44)并比較所述編碼數(shù)據(jù)與一個(gè)已知的數(shù)據(jù)集，所述設(shè)備(26)包括一個(gè)安裝有一程序的處理器(92)，所述程序控制處理器(92)根據(jù)一種重構(gòu)語(yǔ)音輸入的方法執(zhí)行操作，所述方法包括接收包括編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)的編碼數(shù)據(jù)的步驟(44)。所述方法還包括解碼編碼頻譜數(shù)據(jù)和編碼能量數(shù)據(jù)以確定頻譜數(shù)據(jù)和能量數(shù)據(jù)的步驟(46，48)。所述方法還包括組合所述頻譜數(shù)據(jù)和能量數(shù)據(jù)以重構(gòu)語(yǔ)音輸入的步驟(50，52)。
文檔編號(hào)G10L15/00GK1552059SQ02805996
公開日2004年12月1日 申請(qǐng)日期2002年1月18日 優(yōu)先權(quán)日2001年2月2日
發(fā)明者威廉·M·庫(kù)什納, 杰弗里·默尼耶, 馬克·A·雅修克, 坦卡西·V·拉馬巴德朗, V 拉馬巴德朗, 默尼耶, A 雅修克, 威廉 M 庫(kù)什納 申請(qǐng)人:摩托羅拉公司