《结合瞬时频率的多通道语音识别规范》征求意见稿.pdf

ICS17.140

CCSA65/74

XXXX

团体标准

T/XXXXXX—20XX

结合瞬时频率的多通道语音识别规范

Specificationforinstantaneousfrequencymultichannelspeech

recognition

2022-XX-XX发布2022-XX-XX实施

粤港澳标准化与质量发展促进会发布

T/XXXXXX—20XX

前  言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规

定起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由广州科慧健远医疗科技有限公司提出。

本文件由粤港澳标准化与质量发展促进会归口。

本文件起草单位：广州科慧健远医疗科技有限公司、武汉市昱呈星医疗科技有限责任公司、广州言

成智能设备股份有限公司、科慧健远（广州）智能设备有限公司、广州鼎成信息科技有限公司、广州科

慧健远科学研究院有限公司、广州鹏远智能设备有限公司、上海赛欧信息技术有限公司、广州贝鼎科技

有限公司、江苏雅泰歌思通讯技术有限公司、南京市恒临沣信息技术有限公司、广州高远数控科技有限

公司、雅泰歌思（上海）通讯科技有限公司、楚科云（武汉）科技发展有限公司、瑞湖智科数据（苏州）

有限公司、楚瑞智能科技（苏州）有限公司、广东问鼎科技发展有限公司、英芙泰氪（青岛）科技有

限公司、永迅亚洲有限公司

本文件主要起草人：陈宜国、黄建恺、杨宇光、陈亮、闫景浩、黄鑫、卞成慧、张杨、徐江涛、朱

杰志、温炜杰、陈林晓

Ⅲ

T/XXXXXX20XX

—

结合瞬时频率的多通道语音识别规范

1范围

本文件规定了结合瞬时频率的多通道语音识别规范的术语和定义、MEL特征提取方式、特征组合方

式、语音识别方式、语音信号特征识别技术参数规范性等进行规范。

本文件适用于语音识别技术或方法等。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1瞬时频率（Instantaneousfrequency）

将实数讯号表示为对应的复数讯号，即可定义复数讯号的大小与相位，将实数讯号的瞬时数据求出

的实数讯号的解析讯号的极坐标表示。

3.2MEL（Mel）

是Maya内置的一种Cammands命令语言，maya的所有操作包括maya的窗口都是基于Mel命令生成的。

3.3原始频域（Originalfrequencydomain）

描述原始获得的语音信号在频率方面特性时用到的一种坐标系。

4获取原始频域的目标语音信号

4.1获取麦克风阵列中的每个单通道时域的语音信号，作为原始时域语音信号。

4.2对原始时域语音信号进行预加重处理和分帧，对分帧后的每帧语音信号加窗，对加窗后的每帧语音

信号进行快速傅里叶变换，得到每个单通道频域的语音信号，作为原始频域语音信号。

4.2.1预加重的目的是对语音信号的高频部分进行加重，去除口唇辐射的影响，增加语音信号的高频分

辨率，保持从低频到高