[發(fā)明專(zhuān)利]基于連續(xù)混合高斯HMM模型的物流分揀地名語(yǔ)音識(shí)別方法、系統(tǒng)及物流分揀系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201611177730.4
• 申請(qǐng)日: 2016-12-19
• 公開(kāi)（公告）號(hào): CN106601230B
• 公開(kāi)（公告）日: 2020-06-02
• 發(fā)明（設(shè)計(jì)）人: 蔡熙;聶騰云;賴(lài)雪軍;謝巍;車(chē)松勛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州金峰物聯(lián)網(wǎng)技術(shù)有限公司;上海韻達(dá)貨運(yùn)有限公司
• 主分類(lèi)號(hào): G10L15/02
• 分類(lèi)號(hào): G10L15/02;G10L15/05;G10L15/14;G10L25/21
• 代理公司: 上海晨皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31260
• 代理人: 成麗杰

1.基于連續(xù)混合高斯HMM模型的物流分揀地名語(yǔ)音識(shí)別方法，其特征在于：包括如下步驟：

S1，接收一未知地名語(yǔ)音信號(hào)，進(jìn)行預(yù)處理；

S2，通過(guò)改進(jìn)的短時(shí)平均能量及過(guò)零率的雙門(mén)限端點(diǎn)檢測(cè)方法對(duì)經(jīng)過(guò)預(yù)處理的地名語(yǔ)音信號(hào)進(jìn)行端點(diǎn)檢測(cè)，剪切出信號(hào)段；所述改進(jìn)的短時(shí)平均能量及過(guò)零率的雙門(mén)限端點(diǎn)檢測(cè)方法包括如下過(guò)程：

S21，初始狀態(tài)下，狀態(tài)變量status＝0，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＝0，用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1＝0，接收經(jīng)過(guò)預(yù)處理的地名語(yǔ)音信號(hào)，從第一幀信號(hào)開(kāi)始判斷每幀語(yǔ)音信號(hào)的能量amp[i]與最低能量閾值amp2、最高能量閾值amp1的大小以及判斷過(guò)零率zcr[i]與過(guò)零率閾值z(mì)cr的大小，確定狀態(tài)變量status的值，其中i為第i幀信號(hào)；

S22，當(dāng)當(dāng)前幀語(yǔ)音信號(hào)的能量amp[i]＜最低能量閾值amp2時(shí)，將狀態(tài)變量status設(shè)置為0，表明仍處于靜音段，按照S21步驟進(jìn)行下一幀檢測(cè)；

S23，當(dāng)最高能量閾值amp1＞當(dāng)前幀語(yǔ)音信號(hào)的能量amp[i]＞最低能量閾值amp2，且當(dāng)前幀語(yǔ)音信號(hào)的過(guò)零率zcr[i]＞過(guò)零率閾值z(mì)cr，將狀態(tài)變量status設(shè)置為1，表明可能處于語(yǔ)音段，并將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1加1，按照S21步驟進(jìn)行下一幀檢測(cè)；

S24，若已經(jīng)進(jìn)入狀態(tài)status＝1，且當(dāng)下一幀語(yǔ)音信號(hào)的能量小于最低能量閾值amp2時(shí)，判斷slience16是否成立，若成立，表示當(dāng)前是噪音段，舍棄前面的語(yǔ)音部分，按照S21步驟繼續(xù)下一幀檢測(cè)；若不成立，則表示可能在語(yǔ)音段，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，用于計(jì)算未確定進(jìn)入語(yǔ)音段時(shí)可能處于語(yǔ)音段的長(zhǎng)度的變量slience1加1，按照S21步驟進(jìn)行下一幀檢測(cè)；

S25，當(dāng)當(dāng)前幀語(yǔ)音信號(hào)的能量amp[i]＞最高能量閾值amp1，則將狀態(tài)變量status設(shè)置為2，表示進(jìn)入語(yǔ)音段，同時(shí)將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，按照S26步驟進(jìn)行下一幀檢測(cè)；

S26，判斷當(dāng)前幀語(yǔ)音信號(hào)的能量amp[i]＞最低能量閾值amp2或當(dāng)前幀語(yǔ)音信號(hào)的過(guò)零率zcr[i]＞過(guò)零率閾值z(mì)cr是否成立；

S27，若成立，表示還在語(yǔ)音段，則狀態(tài)變量status繼續(xù)保持為2，語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，按照S26步繼續(xù)下一幀檢測(cè)；

S28，若不成立，則將靜音長(zhǎng)度slience加1，并執(zhí)行S29步驟；

S29，判斷靜音長(zhǎng)度slience＜最大靜音長(zhǎng)度maxslience是否成立，并執(zhí)行S210或S211；

S210，若成立，則表示可能還在語(yǔ)音段，狀態(tài)變量status繼續(xù)保持為2，將語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count加1，同時(shí)靜音段長(zhǎng)度slience加1，按照S26步驟進(jìn)行下一幀檢測(cè)；

S211，若不成立，則判斷語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count＜語(yǔ)音信號(hào)最小長(zhǎng)度minlen是否成立，并執(zhí)行S212或S213；

S212，若成立，表明前面檢測(cè)出來(lái)的都是噪聲，將狀態(tài)變量status設(shè)置為0、靜音段長(zhǎng)度slience設(shè)置為0、語(yǔ)音長(zhǎng)度計(jì)數(shù)變量count設(shè)置為0，再繼續(xù)檢驗(yàn)；

S213，若不成立，表示語(yǔ)音段已經(jīng)找到，將狀態(tài)參數(shù)status設(shè)置為3，結(jié)束進(jìn)程；

S3，對(duì)經(jīng)過(guò)端點(diǎn)檢測(cè)的地名語(yǔ)音信號(hào)進(jìn)行特征提取，形成N×39的特征矩陣；

S4，建立地名語(yǔ)音模型庫(kù)；

S41，定義一個(gè)包含如下參數(shù)的連續(xù)混合高斯HMM模型，λ＝(N，M，A，π，B)，其中：

N，模型狀態(tài)數(shù)，為4；

M，每個(gè)狀態(tài)所對(duì)應(yīng)的高斯函數(shù)的個(gè)數(shù)，每個(gè)狀態(tài)包含3個(gè)39維的高斯函數(shù)，一個(gè)模型中N個(gè)狀態(tài)中每個(gè)狀態(tài)高斯函數(shù)個(gè)數(shù)相同；

A，狀態(tài)轉(zhuǎn)移概率矩陣，A＝{a_ij}，a_ij＝P[q_t+1＝j(luò)/q_t＝i],1≤i,j≤N，其中，q_t＝i表示在t時(shí)刻處在狀態(tài)i，t表示某一時(shí)刻，q_t+1＝j(luò)表示t+1時(shí)刻在狀態(tài)j，整體表示從狀態(tài)i轉(zhuǎn)換到狀態(tài)j的概率；

π，各狀態(tài)的起始概率分布，π＝π_t，π_t＝P[q_i＝i],1≤i≤N，i表示各個(gè)狀態(tài)對(duì)應(yīng)的起始概率，π＝π_t表示從狀態(tài)i開(kāi)始的概率；

B，輸出概率密度函數(shù)，B＝{b_j(o)}，1≤j≤N，其中，o為觀察向量，M為每個(gè)狀態(tài)包含的高斯函數(shù)的個(gè)數(shù)；c_jl為第j個(gè)狀態(tài)第l個(gè)混合高斯函數(shù)的權(quán)，L為正態(tài)高斯概率密度函數(shù)，μ_jl為第j個(gè)狀態(tài)第l個(gè)混合高斯元的均值矢量，U_jl為第j個(gè)狀態(tài)第l個(gè)混合高斯元的協(xié)方差矩陣；

S42，模型初始化，將初始狀態(tài)π＝π_t向量設(shè)置為(1 0 0 0)，狀態(tài)轉(zhuǎn)移矩陣A在其自身轉(zhuǎn)移的概率和轉(zhuǎn)移到下一個(gè)狀態(tài)的概率均為0.5，每個(gè)高斯函數(shù)均為39階的均值為0、方差為1的函數(shù)，權(quán)重均為1/3；

S43，將一類(lèi)地名語(yǔ)音信號(hào)的特征矩陣代入模型中，利用Baum-Welch迭代算法進(jìn)行一次模型參數(shù)訓(xùn)練；所述一類(lèi)地名語(yǔ)音信號(hào)是指將一個(gè)地名的所有樣本語(yǔ)音信號(hào)的特征矩陣數(shù)據(jù)放到一起，根據(jù)均值聚類(lèi)法k-means進(jìn)行聚類(lèi)，分為4類(lèi)，對(duì)應(yīng)4個(gè)狀態(tài)；

S44，根據(jù)計(jì)算出的模型參數(shù)，使用viterbi算法求出一類(lèi)地名語(yǔ)音信號(hào)出現(xiàn)的概率；

S45，將該概率和訓(xùn)練之前的輸出概率相比較，判斷兩者的相對(duì)誤差是否滿(mǎn)足輸出條件；

S46，若符合輸出條件，輸出該類(lèi)地名語(yǔ)音信號(hào)對(duì)應(yīng)的連續(xù)混合高斯HMM模型，所述輸出條件為相對(duì)誤差小于0.000001；

S47，若不符合輸出條件，判斷訓(xùn)練次數(shù)是否達(dá)到最高訓(xùn)練閾值；

S48，若訓(xùn)練次數(shù)未到達(dá)最高訓(xùn)練閾值，則重復(fù)S43-S47步驟，若訓(xùn)練次數(shù)達(dá)到最高訓(xùn)練閾值，則終止訓(xùn)練，輸出連續(xù)混合高斯HMM模型；

S49，將若干類(lèi)地名語(yǔ)音信號(hào)的特征矩陣代入模型中，重復(fù)S43-S48步驟，得到若干個(gè)不同地名對(duì)應(yīng)的連續(xù)混合高斯HMM模型，所有的連續(xù)混合高斯HMM模型數(shù)據(jù)形成地名語(yǔ)音識(shí)別模型庫(kù)；

S5，將N×39的特征矩陣代入S4步驟中已建立好的、包含若干不同類(lèi)地名語(yǔ)音信號(hào)對(duì)應(yīng)的連續(xù)混合高斯HMM模型的地名語(yǔ)音模型庫(kù)中，通過(guò)viterbi算法求取它對(duì)每一類(lèi)地名語(yǔ)音信號(hào)對(duì)應(yīng)的連續(xù)混合高斯HMM模型的輸出概率，并把所述未知地名語(yǔ)音信號(hào)的特征矩陣識(shí)別為輸出概率最大的那一類(lèi)，即為該未知地名語(yǔ)音信號(hào)對(duì)應(yīng)的地名。