么旭君 安 飛

一、全球?qū)＠麪顩r分析

（一）申請趨勢

語音識別中的特征提取技術(shù)相關(guān)申請始于20世紀80年代，并從19 86年開始，該領(lǐng)域有了持續(xù)的專利申請。圖1顯示了從19 86年至2016年的申請量按最早申請日/優(yōu)先權(quán)日的年度分布的情況。

從圖中可以看出，語音識別領(lǐng)域的特征提取技術(shù)自19 86年開始萌芽。最先提出相關(guān)申請的有美國和日本的申請人，使用的特征提取技術(shù)包括L P C線性預測編碼、基于字典的方法等，且申請量在此后一直呈逐漸上升趨勢；從19 9 7年開始，隨著語音識別技術(shù)的大規(guī)模興起，特征提取技術(shù)的專利年申請量開始持續(xù)增長，并于2000年突破120件；2004~2007年申請量有所回落，保持在100件左右，這可能和技術(shù)發(fā)展的遇到瓶頸有關(guān)；2008年之后，隨著語音識別技術(shù)飛速發(fā)展，全球申請量有了持續(xù)的大規(guī)模漲幅，從2008年的132件達到2016年的年申請量235件。

圖1 全球?qū)＠暾埩磕甓茸兓瘓D

（二）區(qū)域分布

1.產(chǎn)出地專利布局

圖2為全球?qū)＠暾埉a(chǎn)出地分布圖?？梢钥闯?，我國在語音識別領(lǐng)域的特征提取技術(shù)上非?；钴S，申請量近千件，接近居于第二位的美國和第三位的日本的申請量之和，居世界首位。美國和日本在特征提取技術(shù)上的申請量也較多，申請量都超過了500件。而產(chǎn)自韓國、德國以及英國的申請量偏低，韓國不足兩百件，德國、英國不足100件。

2.產(chǎn)出地申請趨勢

可以看出，美國在語音識別領(lǐng)域的特征提取技術(shù)上起步較早，在19 9 8~2004期間處于領(lǐng)先地位，申請量保持在25件左右，于2004年~2006年期間申請量略有下滑，于2007年開始有所回升，并于2007~2009年再次保持在年申請量25件左右，2009~2014年申請量有所增加，至2014年達到申請量的頂峰，為52件。日本在該領(lǐng)域研發(fā)也較早，發(fā)展規(guī)律與美國類似，在19 9 8~2015年期間年申請量一直保持在25件左右，只于2004年和2007年略有波動。我國在該領(lǐng)域起步較晚，2004年之前的年申請量處于10件以下，在2004~2007年有所增長，2007年達到18件，并于2007年之后呈現(xiàn)出快速增長趨勢，年申請量遠超其他國家，于2016年達到年申請量212件?？傮w上，美國、韓國、日本的申請量在2012年之前都保持基本穩(wěn)定，在2012年至今申請量取得了一個小幅度上升，而我國的專利申請量從2008年開始呈增長趨勢并遠超其他國家，此外，近三年的申請量則受到公開滯后因素的影響。

圖2 全球?qū)＠暾埉a(chǎn)出地分布圖

圖3 全球主要產(chǎn)出地近20年申請量年度變化圖

3.產(chǎn)出地專利布局

表1 主要產(chǎn)出地的專利布局區(qū)域分布

表1是主要產(chǎn)出地的專利布局區(qū)域分布情況。語音識別領(lǐng)域的特征提取技術(shù)主要產(chǎn)出地為日本、美國、韓國和中國，各產(chǎn)出地普遍重視在本國和美國進行專利布局，可見美國是語音識別領(lǐng)域最重要的市場之一。此外，我國的大多數(shù)申請都集中在本國，向國外申請的專利數(shù)量較少，需要更加重視在國外進行專利布局。

4.目的地申請趨勢

圖4為全球?qū)＠暾埬康牡胤植紙D。其中將我國作為目的地的專利申請占比最高，達到26.5%，可見各國申請人對我國市場的重視程度。此外，美國申請量也較多，與中國相差并不大，可見美國市場也是語音識別領(lǐng)域的重要市場。這樣的分布除反映市場的受重視程度外，另一方面，申請量受到該國本國申請人以及技術(shù)水平的影響，上文已經(jīng)分析過，我國產(chǎn)出量在近10年顯著增長，并且以本國為目的地的申請占據(jù)了大部分比重，這也是我國作為全球?qū)＠暾埬康牡卣急茸罡叩囊粋€因素。因此，上述國家和地區(qū)中，市場競爭主要集中在本國和處于市場主導地位的美國，我國作為新興市場，也已經(jīng)成為各國申請人進行專利布局的主要地區(qū)。

圖4 全球?qū)＠暾埬康牡胤植紙D

（三）主要申請人

1.主要申請人分布

圖5為全球主要申請人分布。在排名前20的申請人中，有6位中國申請人，6位日本申請人，4為美國申請人，3位韓國申請人和1位荷蘭申請人。日本申請人數(shù)量最多，并且申請人的申請量排名靠前，東芝公司的申請量居于首位，為65件，索尼公司申請量為53件，都遠超其他申請人，可見日本在語音識別領(lǐng)域的研究較為深入。中國的6位申請人中，包括聯(lián)想、華為、中興三家公司和中科院等三家科研院所，這體現(xiàn)了我國企業(yè)和高校對技術(shù)研發(fā)方面的發(fā)展程度和對專利申請的重視。此外，中國申請量排名第1位的聯(lián)想公司在全球申請人中排名第8位，可見我國申請人數(shù)雖然較多，但是在數(shù)量上距離世界先進水平仍有差距，存在一定的提升空間。

圖5 全球主要申請人分布

2.主要申請人申請趨勢

表2 主要申請人申請趨勢單位/件

表2示出了全球重要申請人微軟、東芝、韓國電研、聯(lián)想、索尼這五位申請人的申請趨勢情況。可以看出，在2004年之前，我國的聯(lián)想公司的申請量一直處于領(lǐng)先地位，19 9 9~2000的申請量為2~3件，2003年增長至5件，2005年之后聯(lián)想公司的申請量有所下降，2006至2016年的申請量0~2件波動，申請量不大，這可能與該公司的主要研究方向有關(guān)。韓國電研起步較晚，從2001年開始申請量從0逐步增加至2007~2008年的7件，于2010年降至1件，2011年回升至5件，此后的2012~2016年申請量在0~2件波動，可能不再側(cè)重特征提取領(lǐng)域的研究。微軟公司的申請量波動較大，19 9 8~2000年起步期間的申請量為1~2件，2001年申請量為0，2002~2003年逐漸增加至4件，2005~2006年申請量下降為1件，并于2007~2008年逐漸增長至6件，2008~2010年逐漸下降為1件，并于2011年申請量再次增加至4件，2012年申請量為0，2013~2014年再次增加至4件，這樣的波動可能是由于其技術(shù)研發(fā)周期長或有多項技術(shù)同時研發(fā)造成的。東芝公司起步也較晚，2005年之前為其起步期，申請量在2件以內(nèi)，2005~2009年逐步增加至5~6件，2009~2013年降至2~3件，并于2013~2015年維持在1件。各公司2016年申請量較少與其研究重點和技術(shù)布局有關(guān)，也可能與專利尚未公開有關(guān)。

二、中國專利狀況分析

（一）趨勢分析

1.專利申請趨勢

圖6 中國專利申請量年度變化圖

圖6顯示了我國語音識別領(lǐng)域的特征提取技術(shù)專利申請量的年度變化情況。從圖中可以看出，從圖中可以看出，在2000年之前，我國的語音識別領(lǐng)域的特征提取專利年申請量很小，都在60件以下，從2002年開始，年申請量開始有所增加，其中以國外來華申請為主。從2010年開始，年申請量開始迅速增加，2012年至2014年申請量穩(wěn)定在160件左右，2016年增長至180件。從國內(nèi)申請量和國外在華申請量對比來看，2008年以前，我國的語音識別領(lǐng)域的特征提取專利主要以國外來華申請為主，國內(nèi)申請比重較小。2008年國內(nèi)申請量首次超過國外在華申請量，并從2012年開始搖搖領(lǐng)先于國外來華申請。可以說，2010年之后我國語音識別領(lǐng)域的特征提取專利數(shù)量的迅速增長主要來自于國內(nèi)申請的迅速增長。

2.專利授權(quán)趨勢

圖7 中國專利授權(quán)趨勢圖

圖7展示了語音識別領(lǐng)域特征提取技術(shù)相關(guān)專利的授權(quán)趨勢圖。由圖可知，2010年之前我國授權(quán)量較低，雖略有波動但一直不足10件，2010年之后有了顯著增長，2011年增長至33件，2012~2013授權(quán)量略有下降，分別為25件和23件，2014年再次增長至36件，2015年下降至27件，并于2016~2017年逐漸上升至36件。授權(quán)量在2010年的大幅度增長與該領(lǐng)域的申請量在2008年之后迅速增長有關(guān)，其后的授權(quán)量波動也與申請量的波動有關(guān)?？傮w上，授權(quán)量在2010年之后大幅度提高，這與該領(lǐng)域技術(shù)的發(fā)展和申請量的趨勢一致。

（二）申請人區(qū)域/省市分析

1.國外來華申請國家分析

圖8顯示了國外來華申請人區(qū)域分布情況?？梢钥闯?，日本申請人所占比例最大，達到38%，美國僅次于日本，占27%，韓國占9%，說明日本、美國和韓國比較重視中國市場，這也與這三個國家在語音識別領(lǐng)域的研發(fā)實力相統(tǒng)一。

圖8 國外來華申請人區(qū)域分布圖

2.國內(nèi)申請省市分析

圖9顯示了國內(nèi)申請人的省市分布情況?？梢钥闯?，北京所占比例最高，達25%，反映出北京在語音識別領(lǐng)域特征提取技術(shù)方面研發(fā)實力最強，這也與大量相關(guān)企業(yè)、高校和科研院所位于北京有關(guān)。接下來分別是廣東、江蘇和上海，分別位于我國長三角和珠三角，這兩個地區(qū)科技發(fā)展速度快，研發(fā)實力也比較強，集中了國內(nèi)有優(yōu)勢的高校如浙江大學、華南理工大學等，代表了國內(nèi)語音識別領(lǐng)域特征提取技術(shù)的整體實力。

圖9 國內(nèi)申請人省市分布圖

（三）申請類型和法律狀態(tài)

1.法律狀態(tài)（授權(quán)、駁回、視撤、在審、終止）

圖10 中國專利申請的法律狀態(tài)

圖10展示了申請人在華專利申請中發(fā)明專利申請的法律狀態(tài)。從圖中可以看出，授權(quán)專利在處理中的專利申請占比最高，占比39%；其次是處理中的專利申請，占比33%；權(quán)利終止的專利申請在13%左右，其余各種失效狀態(tài)的占比較少。

2.申請類型

圖11顯示了國內(nèi)申請的申請類型分析情況。從圖中可以看出，對于語音識別特征提取技術(shù)領(lǐng)域的專利申請中，發(fā)明專利申請所占比重極大，為9 9%，實用新型專利申請僅占1%。

圖11 申請類型分布

（四）主要申請人

1.申請人類型

如圖12所示，大專院校和企業(yè)的申請占據(jù)了申請量的絕大部分，其中專利申請人中大專院校所占比例最大，為55%，代表了我國高校在語音識別領(lǐng)域特征提取技術(shù)上的科研實力。其次是企業(yè)申請，占比41%，證明了我國企業(yè)的科研實力和對專利權(quán)保護的重視。之后是科研單位和個人申請等，差距量不大，占比在6%~8%。

圖12 申請人的類型分布

2.申請人排名

表3 中國專利申請的主要申請人排名

表3列出了中國專利申請的前15位申請人的分布情況。其中中國申請人11位、日本申請人3位，美國申請人1位。中國的11位申請人中有6位高校及科研院所申請人和5位企業(yè)申請人，體現(xiàn)了我國企業(yè)和高校對技術(shù)進步、專利保護的重視程度；國外申請人中微軟公司的申請量最多，為12件，其次是日本的松下電器產(chǎn)業(yè)株式會社和索尼公司，申請量都為9件，這在一定程度上反映了國外申請人對我國市場的重視。前15位申請人的申請總量占全部中國專利申請總量的28.8%，還有大量申請分布在中小企業(yè)和高校及科研院所，這反映了還有大量中小企業(yè)和科研院所處在研發(fā)的起步期，我國申請人在語音識別領(lǐng)域特征提取技術(shù)上還有進步空間。

3.申請人申請趨勢

納入標準：（1）患者肝、腎等功能正常。（2）患者有焦慮癥狀，SAS評分＞50分。（3）有正常語言表達和理解能力。

表4 主要申請人申請趨勢

中國申請的重要申請人以我國申請人為主，表4選取了重要申請人進行分析，示出了聯(lián)想控股、清華大學、華為公司、中國科學院自動化研究所四位申請人的申請趨勢情況?？梢钥闯觯?005年之前，四位申請人的申請量都在0~3件，我國在語音識別領(lǐng)域特征提取技術(shù)上還處于萌芽階段。從2005年開始，我國在該領(lǐng)域有了初步發(fā)展，申請量有所增加，每位申請人的申請量維持在每年2~3件。從2011年開始，我國在該領(lǐng)域進入蓬勃發(fā)展階段，除表中所示的四位申請人之外，還有一批中小型企業(yè)和高校的申請量也值得一提，如安徽科大訊飛公司在2012年的申請量為8件，華南理工大學在2013年的申請量為6件，雖然這些申請人的總申請量還不高，但已經(jīng)體現(xiàn)了其科研實力和知識產(chǎn)權(quán)保護意識，也為該領(lǐng)域的進步做出了一定的貢獻。而上表中的幾位申請人在近幾年的申請量總體呈下降趨勢，這可能也和該公司的研究方向有關(guān)。

五、重點技術(shù)分析

通過對我國語音識別中的特征提取技術(shù)專利分析可知，目前常見的特征參數(shù)包括基于線性預測編碼系數(shù)（Linear Predictive Coding，LPC）、線性預測倒譜系數(shù)（Liner Predictive Cepstrum Coefficient，LPCC）和基于人耳聽覺原理的梅爾頻率倒譜系數(shù)（Mel-Frequency Cepstrum Coefficient，MFCC），以上參數(shù)都能夠獲得很好的語音個性特征，根據(jù)特性不同，分別用于不同的系統(tǒng)中。同時，LPC、LPCC 和MFCC 還有著技術(shù)上的遞進順序，其中MFCC 是目前語音識別中廣泛使用的特征參數(shù)之一。MFCC 是在80 年代由Steven.B.Davis 提出的，它是將信號短時頻譜先在頻域?qū)㈩l率軸變換為梅爾頻率刻度，再變換到倒譜域得到的。當前很多類型的聲音辨識是采用MFCC、MFCC的差量（一階變化量）以及MFCC 的次差量（二階變化量）的組合，或上述值的線性變換為特征參數(shù)，因此具有可觀的研究價值。

在探究MFCC的技術(shù)發(fā)展路線之前，需要進一步理解MFCC參數(shù)的計算過程。MFCC是基于人耳聽覺模型建立的倒譜系數(shù)，人的聽覺系統(tǒng)是一個特殊的非線性系統(tǒng)，它響應不同頻率信號的靈敏度是不同的，通常是一個對數(shù)關(guān)系。也就是說，人耳對不同頻率的語音具有不同的感知能力，聲音的物理頻率表示單位是梅爾（Mel ）。Mel刻度表示了人耳對于頻率感知的非線性特性，根據(jù)人類聽力的臨界帶效應，設(shè)計若干個具有三角形或者正弦型的帶通濾波器，然后把語音處理成能量譜，再輸入到該濾波器組。通過取對數(shù)，作離散余弦變換，就能得到MFCC系數(shù)。具體如圖13所示：

圖13 MF C C參數(shù)的計算過程

具體可以解釋為：

（1）將語音信號，即時域信號進行傅里葉變化（DFT），求出線性頻譜；

（2）將得到的線性頻譜經(jīng)過梅爾濾波器組形成Mel頻譜；

（3）然后經(jīng)過對數(shù)能量處理，得到對數(shù)頻譜；

（4）將對數(shù)頻譜經(jīng)過離散余弦變換（（DCT）得到倒譜頻域，即可得到Mel頻譜倒譜系數(shù)，即MFCC參數(shù)。

近些年，在特征提取領(lǐng)域MFCC是最常用的特征參數(shù)，因此下面將針對MFCC的技術(shù)發(fā)展路線分析其技術(shù)重點和研究方向。

2012年，國際商業(yè)機器公司提出了一種聲音特征量提取方法（CN 1024839 16A），該申請針對傅里葉變換后的頻譜信息，使用線性域的差分作為聲音的差量特征量及次差量特征量，以此計算MFCC參數(shù)，通過該方法可提取較先前技術(shù)更能抗回音及噪音的特征量，且其結(jié)果可改善聲音辨識的正確率。該方法具體為獲取輸入聲音信號的各頻率的頻譜，對于各幀，對上述各頻率算出前后的幀間的頻譜的差分，作為差量頻譜；通過將上述各頻率的差量頻譜除以該頻率的總發(fā)音即平均頻譜的函數(shù)而正規(guī)化，將輸出設(shè)為差量特征量，最終計算出MFCC參數(shù)。

對于輸入端進行改進的還有2016年聯(lián)想公開的一種MFCC提取方法及裝置（CN 105513587A）。該申請是針對現(xiàn)有技術(shù)里，在提取MFCC的過程中，無論語音數(shù)據(jù)幀的大小，均采用固定的量化位數(shù)對每一幀語音數(shù)據(jù)幀進行定點化處理（包括放大處理），而對于能量較小的語音數(shù)據(jù)幀，即使放大后，數(shù)據(jù)范圍還是很小，因此，在通過后續(xù)各處理步驟的累積后，形成的誤差依然不可忽視。因此，該發(fā)明依據(jù)語音數(shù)據(jù)幀的范圍，確定第一處理參數(shù)，并使用所述第一處理參數(shù)，放大經(jīng)過預處理后的語音數(shù)據(jù)幀，隨后提取放大后的語音數(shù)據(jù)幀的MFCC，也就是說，在進行MFCC提取之前，先將數(shù)據(jù)幀進行放大，并且因為第一處理參數(shù)與所述預處理后的語音數(shù)據(jù)幀的數(shù)據(jù)范圍反相關(guān)，即語音數(shù)據(jù)幀的數(shù)據(jù)范圍越小，第一處理參數(shù)越大，所以，對于能量較小的語音數(shù)據(jù)幀，在進行定點化時，比能量大的數(shù)據(jù)幀放大的程度更大，因此大數(shù)據(jù)幀比小數(shù)據(jù)幀更能抵消定點化帶來的誤差，提高從小能量的語音數(shù)據(jù)幀中提取到的MFCC的精度。

圖14 MF C C技術(shù)發(fā)展路線圖

針對梅爾濾波器的設(shè)置方式，2009年，北京中星微電子有限公司公開了一種語音信號的MFCC系數(shù)提取方法、裝置及一種Mel濾波方法（C N 101577116A），該發(fā)明為解決H T K的MFCC系數(shù)提取方法中子代數(shù)量不匹配的問題，特地在進行Mel濾波時，增加Mel濾波器組的子帶數(shù)量，在頻率范圍內(nèi)進行Mel濾波，得到對應每條子帶的Mel濾波輸出；然后，將高頻范圍內(nèi)的子帶數(shù)量進行聚合，得到聚合后相應子帶數(shù)量的Mel濾波輸出；隨之繼續(xù)對低頻范圍和聚合后高頻范圍的Mel濾波輸出進行非線性變換和離散余弦變換，最終提取出MFCC系數(shù)。該發(fā)明既保證了低頻信號有足夠的頻率分辨精度，同時，又將高頻范圍內(nèi)的子帶數(shù)量進行聚合，提高了高頻的抗干擾能力，從而優(yōu)化了提取的MFCC系數(shù)，能夠語音識別的準確率。

在隨后的2013年，百度提出了一種MFCC特征的提取方法及裝置（CN 10339 0403A），從其他角度優(yōu)化了MFCC參數(shù)的計算方法。該方法為通過令Mel濾波器組中包括高頻段Mel濾波器，對經(jīng)過預處理的音頻信號進行過濾處理，以生成Mel域高頻分量，進而對所述Mel域高頻分量進行離散余弦變換，以生成每個所述Mel域高頻分量的變換特征，使得能夠根據(jù)每個所述Mel域高頻分量的變換特征，獲得所述音頻信號的MFCC特征，由于利用Mel濾波器組中所包括的高頻段Mel濾波器，對經(jīng)過預處理的音頻信號進行過濾處理，可以獲得Mel域高頻分量。該方法能夠去掉容易受環(huán)境影響的Mel域低頻分量，使得從測試數(shù)據(jù)中提取的MFCC特征與從訓練數(shù)據(jù)中提取的MFCC特征不會存在較大差異，從而提高了MFCC特征的魯棒性，是我國申請人在特征提取技術(shù)上作出的又一項改進。

接著，2015年聯(lián)想公開了一種語音特征信息的提取方法及電子設(shè)備（CN 1049 00227A）。該發(fā)明獲取與語音信息對應頻率寬度中的信息分布參數(shù)，基于所述信息分布參數(shù)，確定三角帶通濾波器組在頻譜上的分布系數(shù)，根據(jù)分布系數(shù)，將三角帶通濾波器組分布在頻譜上進行濾波，獲取Mel頻譜，基于所述Mel頻譜，獲取Mel頻率倒譜系數(shù)MFCC。由于三角帶通濾波器組是根據(jù)所述信息分布參數(shù)來所述頻譜上進行分布的，使得所述頻譜中攜帶信息量多的頻帶設(shè)置較多的三角帶通濾波器組，以及攜帶信息量少的頻帶設(shè)置較少的三角帶通濾波器組，從而解決了現(xiàn)有的電子設(shè)備在獲取語音特征信息時，存在不能根據(jù)實際情況自動調(diào)整三角帶通濾波器組的分布的技術(shù)問題。

針對得到對數(shù)頻譜后再進一步進行處理的申請包括：2014年，華南理工大學提出了一種結(jié)合局部與全局信息的語音情感特征提取方法（C N 103531206A）。該發(fā)明針對忽略Mel濾波器內(nèi)部能量分布信息以及每一幀不同濾波器結(jié)果之間的局部分布信息造成的對噪音敏感的問題，提出了以下改進：（1）將語音信號分幀；（2）對每一幀進行傅立葉變換；（3）使用Mel濾波器對傅立葉變換結(jié)果濾波，對濾波結(jié)果求能量，并對能量取對數(shù)；（4）對取得的對數(shù)結(jié)果使用局部H u運算，獲得第1類特征；（5）對局部H u運算后的每一幀進行離散余弦變換，獲得第2類特征；（6）對第3步計算的對數(shù)結(jié)果進行差分運算，然后對差分結(jié)果的每一幀進行離散余弦變換獲得第3類特征。該發(fā)明可快速有效地表達各類情感的語音，應用范圍包括語音檢索、語音識別、情感計算等領(lǐng)域。該申請的發(fā)明構(gòu)思為：在語音情感不同時，發(fā)音清晰度、基音變化程度、發(fā)音強度、語速都會發(fā)生相應的變化，這些變化將改變語譜圖能量的集中程度，如發(fā)音比較清晰、發(fā)音強度高時語譜圖能量比較集中。而H u的一階矩恰好能夠評價數(shù)據(jù)能量集中到數(shù)據(jù)重心的程度，這樣能夠很好的提取語音情感變化時導致語譜圖上能量集中度發(fā)生的變化。另外情感發(fā)生變化時會改變語音信號的頻率分布，從而在語譜圖的頻率軸上發(fā)生變化，所以該發(fā)明使用頻率軸上的導數(shù)來提取這些變化。

隨后，河海大學2017年還公開了一種基于對數(shù)譜信噪比加權(quán)的魯棒特征提取方法（C N 106373559 A）。該發(fā)明首先對輸入語音進行聲學預處理、短時譜估計和Mel濾波，得到每一幀的短時Mel子帶譜；再利用改進的對數(shù)函數(shù)對Mel子帶譜進行非線性變換，得到對數(shù)譜，同時從Mel子帶譜中估計輸入語音的對數(shù)譜域信噪比；然后，利用估得的對數(shù)譜域信噪比對輸入語音的對數(shù)譜進行加權(quán)，得到加權(quán)對數(shù)譜；最后，對加權(quán)對數(shù)譜進行離散余弦變換并作時域差分，得到輸入語音的特征參數(shù)。該發(fā)明提高了噪聲環(huán)境中提取的特征參數(shù)的環(huán)境魯棒性，減小加性噪聲對語音識別系統(tǒng)的影響。

當前，對于MFCC參數(shù)計算過程中對于特征的二次提取也備受申請人關(guān)注。2017年，電子科技大學公開了一種基于基音周期和MFCC的融合特征參數(shù)提取方法（C N 106782500A）。該發(fā)明通過增加Mel倒譜參數(shù)的維度來提高聲紋識別效率，具體為通過每一幀語音數(shù)據(jù)獲得該幀語音的Mel倒譜參數(shù)，Mel倒譜參數(shù)的一階差分參數(shù)，二階差分參數(shù)以及該幀的說話人基音周期參數(shù)，將這四個參數(shù)結(jié)合成一個（3L+1）維的特征矢量，這樣更逼近語音的動態(tài)特征和人體的生理結(jié)構(gòu)，可以提高聲紋識別的效率。

2017年，重慶郵電大學公開了一種基于融合特征M GFCC的說話人二次特征提取方法（C N 107274887A）。該發(fā)明首先利用Mel濾波器對說話人語音進行處理得到MFCC特征；其次，同時利用Gammatone濾波器對說話人語音進行處理得到GFCC特征；然后，對兩種特征在噪聲環(huán)境下的各維特征區(qū)分度進行計算；接著，統(tǒng)計兩種特征的每一維特征處于最大F R值的次數(shù)；隨之根據(jù)兩種特征在噪聲背景下的最大次數(shù)的不同進行特征融合；最后對融合特征進行微分和重組得到二次提取特征。該發(fā)明可以在復雜噪聲環(huán)境下依然有較好的識別，并且較強的魯棒性，能夠進一步提取出說話人的隱藏特征，在較大程度上提升了說話人識別系統(tǒng)的性能。

2017年，蘇州大學公開了一種用于語音測謊系統(tǒng)中的稀疏譜特征提取方法（C N 10729 3302A）。該發(fā)明首先提取語音信號的梅爾頻率譜系數(shù)、小波包頻帶倒譜系數(shù)，并融合所述梅爾頻率譜系數(shù)和小波包頻帶倒譜系數(shù)構(gòu)成倒譜特征；其次，采用K-奇異值分解算法對倒譜特征進行訓練得到混合過完備表示字典；然后，在混合過完備表示字典上，采用正交匹配追蹤算法對倒譜特征進行稀疏編碼，獲取稀疏譜特征。該發(fā)明一方面可以彌補傳統(tǒng)梅爾頻率譜系數(shù)提供中高頻段信息存在的不足，另一方面可以解決非線性融合參數(shù)集的冗余問題，降低分類模型的計算復雜度。

綜上所述，在對特征參數(shù)選擇的問題上，目前主流的研究熱點是基于人耳聽覺特性的梅爾倒譜系數(shù)（MFCC），并且對于提取MFCC參數(shù)的改進基本集中在對于輸入端數(shù)據(jù)的過濾、對于濾波器的設(shè)置個數(shù)和位置、計算過程中對于特征的二次提取方式。分析表明，我國高校對于特征提取技術(shù)有著持續(xù)的關(guān)注，且近幾年能夠不斷提出價值較高的技術(shù)方案。同時，百度和聯(lián)想等涉及人工智能領(lǐng)域的國內(nèi)大公司也對特征提取技術(shù)保持著研究。

六、企業(yè)建議

通過以上對于語音識別技術(shù)中特征提取技術(shù)的專利分析，可知我國在該領(lǐng)域高校的研究熱情較高，且其專利價值也較為客觀。同時，我國涉及人工智能的大公司也對其保持著持續(xù)的研究和關(guān)注，但鮮有在國外的專利布局。因此，結(jié)合我國的技術(shù)現(xiàn)狀給出如下企業(yè)建議：

（1）宏觀上講，國內(nèi)公司應當加強校企合作，從技術(shù)和人員儲備、產(chǎn)品研發(fā)等環(huán)節(jié)，與涉及研究特征提取技術(shù)的高校合作；積極拓展全國知名高校的合作意向和研究領(lǐng)域，以高校技術(shù)為依托，企業(yè)加強資金投入和產(chǎn)品研制，在全國建立多個技術(shù)研究的研發(fā)中心。盡可能地把科研成果轉(zhuǎn)化為可以帶來經(jīng)濟效益的生產(chǎn)力，同時提高教學質(zhì)量和科研水平，在實踐中培養(yǎng)高科技人才，促進學校、企業(yè)和社會的共同進步為目標，在優(yōu)勢互補、平等合作、互惠互利、共同發(fā)展的基礎(chǔ)上建立全面的校企合作關(guān)系。

從技術(shù)方面來說，通過上述分析，企業(yè)應該吸取高校對于特征提取研究中涉及多算法融合技術(shù)的相關(guān)技術(shù)方案。高校科研工作通常擅長算法研究和模擬仿真，對于提高特征提取精度、魯棒性，提高計算效率、降低復雜度，所提出的方法通常是十分有效，因此具有客觀的借鑒價值。

（2）企業(yè)應當培養(yǎng)專業(yè)的科研型人才，企業(yè)創(chuàng)新的快速發(fā)展離不開對專業(yè)人才的培養(yǎng)。首先，可以加強與國外人才的交流與合作，借鑒歐美發(fā)達國家的先進經(jīng)驗，培養(yǎng)具有創(chuàng)新精神的研發(fā)人才，引進高水平的研發(fā)管理系統(tǒng)，在積累企業(yè)先進技術(shù)的同時解決技術(shù)研發(fā)過程中遇到的問題。

（3）鼓勵對外專利申請，加快走出去的步伐。近年來，我國在該領(lǐng)域的申請數(shù)量連年上升，但在國外專利申請上競爭力仍顯得較為薄弱。未來，我國申請人應當考慮目標市場、國際同行等多種因素進行布局，在布局時不拘泥于現(xiàn)有市場和格局，而是著眼于長遠，適當先于市場，注重海外專利布局能力，利用創(chuàng)新型企業(yè)強大的科研實力，搶占國外發(fā)達國家專利申請的領(lǐng)域。

七、結(jié)束語

語音識別的研究工作對于信息化社會的發(fā)展和人民生活水平的提高等方面有著深遠的意義。本文通過對語音識別領(lǐng)域特征提取技術(shù)的相關(guān)專利進行分析，對我國企業(yè)的研究方向和專利布局給出了建議。未來語音識別技術(shù)將會取得更多重大突破，特征提取技術(shù)的研究也會更加深入，是值得我國申請人關(guān)注和研究的重點。