公开(公告)号：CN118053443A

公开(公告)日：2024-05-17

申请号：CN202410043472.9

申请日：2024-01-11

Applicant: 北京科技大学

Inventor： 钱馨园 ,  高嘉然 ,  毛裕川 ,  李皖林 ,  殷绪成

IPC: G10L21/0308 ,  G10L19/02 ,  G10L19/022 ,  G10L19/26 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30

Abstract: 本发明提供一种具有选择性听觉的目标说话人追踪方法及系统，涉及语音识别技术领域。所述方法包括：利用一对麦克风捕获包含目标说话人和干扰说话人的混合音频，并给定目标说话人预注册的参考音频；对混合音频和参考音频分别进行短时傅里叶变换，得到混合频谱图和参考频谱图；将混合频谱图和参考频谱图输入预训练的声音滤波器中，生成针对目标说话人的掩码；将掩码与混合频谱图相乘，生成被掩码的频谱图；将被掩码的频谱图输入至预设计的LSTM网络模块进行方位角估算，得到估算的目标说话人的方位角。本发明能够只关注目标说话人的语音内容，忽视其他背景干扰声，从而实现更精确和可靠的目标说话人追踪。