[發(fā)明專利]一種語(yǔ)音識(shí)別系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710174075.5
• 申請(qǐng)日: 2017-03-22
• 公開(kāi)（公告）號(hào): CN106782521A
• 公開(kāi)（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 斯琴高娃;尹利平;吳坤書(shū);錢勇
• 申請(qǐng)（專利權(quán)）人: 海南職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G10L15/20
• 分類號(hào): G10L15/20;G10L15/22;G10L15/02;G10L15/05;G10L15/14;G10L25/24
• 代理公司: 廣州三環(huán)專利代理有限公司44202
• 代理人: 陳歡,吳燕梅

技術(shù)領(lǐng)域

本發(fā)明涉及語(yǔ)音技術(shù)領(lǐng)域，尤其是指一種語(yǔ)音識(shí)別系統(tǒng)。

背景技術(shù)

語(yǔ)音識(shí)別是一門交叉學(xué)科。近二十年來(lái)，語(yǔ)音識(shí)別技術(shù)取得顯著進(jìn)步，開(kāi)始從實(shí)驗(yàn)室走向市場(chǎng)。人們預(yù)計(jì)，未來(lái)10年內(nèi)，語(yǔ)音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。語(yǔ)音識(shí)別聽(tīng)寫(xiě)機(jī)在一些領(lǐng)域的應(yīng)用被美國(guó)新聞界評(píng)為1997年計(jì)算機(jī)發(fā)展十件大事之一。很多專家都認(rèn)為語(yǔ)音識(shí)別技術(shù)是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。

語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別(英語(yǔ)：Automatic Speech Recognition,ASR)，其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與用戶識(shí)別及用戶確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的用戶而非其中所包含的詞匯內(nèi)容。

語(yǔ)音識(shí)別技術(shù)的應(yīng)用包括語(yǔ)音撥號(hào)、語(yǔ)音導(dǎo)航、室內(nèi)設(shè)備控制、語(yǔ)音文檔檢索、簡(jiǎn)單的聽(tīng)寫(xiě)數(shù)據(jù)錄入等。語(yǔ)音識(shí)別技術(shù)與其他自然語(yǔ)言處理技術(shù)如機(jī)器翻譯及語(yǔ)音合成技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用，例如語(yǔ)音到語(yǔ)音的翻譯。

語(yǔ)音識(shí)別技術(shù)所涉及的領(lǐng)域包括:信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽(tīng)覺(jué)機(jī)理、人工智能等等。

語(yǔ)音識(shí)別包含用戶識(shí)別和用戶語(yǔ)義識(shí)別兩種，前者利用的是語(yǔ)音信號(hào)中用戶的個(gè)性特征，不考慮包含在語(yǔ)音中的字詞的含義，強(qiáng)調(diào)的是用戶的個(gè)性；而后者的目的是識(shí)別出語(yǔ)音信號(hào)中的語(yǔ)義內(nèi)容，并不考慮用戶的個(gè)性，強(qiáng)調(diào)的是語(yǔ)音的共性；同時(shí)對(duì)于具體用戶的實(shí)際語(yǔ)意沒(méi)有進(jìn)行考慮。

然而現(xiàn)有技術(shù)識(shí)別用戶的技術(shù)可靠性不高，因此使得采用具有特定語(yǔ)意的用戶語(yǔ)音產(chǎn)品不能被廣泛應(yīng)用。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種語(yǔ)音識(shí)別系統(tǒng)。

本發(fā)明是以如下技術(shù)方案實(shí)現(xiàn)的，一種語(yǔ)音識(shí)別系統(tǒng)，包括：

語(yǔ)音采集模塊，用于收集用戶待識(shí)別的語(yǔ)音數(shù)據(jù)；

預(yù)處理模塊，用于對(duì)所述待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行預(yù)處理；

特征提取模塊，用于從預(yù)處理后的所述待識(shí)別的語(yǔ)音數(shù)據(jù)中提取語(yǔ)音特征參數(shù)；

存儲(chǔ)模塊，用于存儲(chǔ)至少一個(gè)用戶的語(yǔ)音模型；

模式匹配模塊，基于提取所述語(yǔ)音特征參數(shù)，并且選擇對(duì)應(yīng)于所述語(yǔ)音特征參數(shù)的語(yǔ)音模型；

參數(shù)調(diào)整模塊，用于通過(guò)使用所選擇的所述模式匹配模塊來(lái)調(diào)整語(yǔ)音參數(shù)，所述語(yǔ)音參數(shù)是用于識(shí)別所述待識(shí)別的語(yǔ)音數(shù)據(jù)的語(yǔ)音指令和語(yǔ)意；

語(yǔ)音指令識(shí)別模塊，用于基于調(diào)整的所述語(yǔ)音參數(shù)來(lái)識(shí)別所述用戶的所述語(yǔ)音指令；

語(yǔ)意識(shí)別模塊，用于基于調(diào)整的所述語(yǔ)音參數(shù)來(lái)識(shí)別所述用戶的所述語(yǔ)意。

優(yōu)選的是，所述預(yù)處理模塊包括模數(shù)轉(zhuǎn)換單元、信號(hào)放大單元、增益控制單元、降噪單元、濾波單元和采樣單元，用于依次對(duì)所述待識(shí)別的語(yǔ)音數(shù)據(jù)進(jìn)行將采集到的模擬語(yǔ)音數(shù)據(jù)轉(zhuǎn)換為數(shù)字語(yǔ)音數(shù)據(jù)、數(shù)字語(yǔ)音數(shù)據(jù)進(jìn)行放大、校正所述數(shù)字語(yǔ)音數(shù)據(jù)的增益、消除所述數(shù)字語(yǔ)音數(shù)據(jù)中的噪聲、對(duì)所述所述數(shù)字語(yǔ)音數(shù)據(jù)進(jìn)行濾波和采樣；其中，語(yǔ)音信號(hào)具有相關(guān)性，而背景噪聲則無(wú)相關(guān)性，因而利用相關(guān)性的不同，可以檢測(cè)出語(yǔ)音，尤其是可以將清音從噪聲中檢測(cè)出來(lái)。

優(yōu)選的是，所述預(yù)處理模塊還包括編碼單元，用于對(duì)采樣的數(shù)字語(yǔ)音數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換及編碼，使其被分割為由多幀組合而成的短時(shí)信號(hào)；其中，語(yǔ)音短時(shí)信號(hào)中包含有激勵(lì)源和聲道的特性，因而可以反映用戶生理上的差別。而短時(shí)信號(hào)隨時(shí)間變化，又在一定程度上反映了用戶的發(fā)音習(xí)慣，因此，由語(yǔ)音短時(shí)信號(hào)中導(dǎo)出的參數(shù)可以有效地用于用戶識(shí)別中。

優(yōu)選的是，所述預(yù)處理模塊還包括端點(diǎn)檢測(cè)單元，用于計(jì)算進(jìn)行格式轉(zhuǎn)換及編碼后的所述待識(shí)別的語(yǔ)音數(shù)據(jù)的語(yǔ)音起點(diǎn)和終點(diǎn)，獲得所述待識(shí)別的語(yǔ)音數(shù)據(jù)中語(yǔ)音的時(shí)域范圍。

優(yōu)選的是，所述特征提取模塊通過(guò)從編碼后的所述待識(shí)別的語(yǔ)音數(shù)據(jù)中提取頻率倒譜系數(shù)MFCC特征，來(lái)提取所述語(yǔ)音特征參數(shù)。

優(yōu)選的是，所述語(yǔ)意識(shí)別模塊包括儲(chǔ)存單元、識(shí)別單元和選擇單元，所述儲(chǔ)存單元儲(chǔ)存不同語(yǔ)音情感的語(yǔ)意；所述識(shí)別單元基于調(diào)整的所述語(yǔ)音參數(shù)來(lái)識(shí)別所述語(yǔ)調(diào)，并通過(guò)選擇單元選取所述儲(chǔ)存單元中的語(yǔ)意。

優(yōu)選的是，所述模式匹配模塊利用高斯混合模型，使用最大后驗(yàn)概率算法MAP將所提取的所述語(yǔ)音特征參數(shù)與所述語(yǔ)音模型進(jìn)行匹配，計(jì)算所述待識(shí)別語(yǔ)音信號(hào)與每一個(gè)所述語(yǔ)音模型的似然度，來(lái)選擇對(duì)應(yīng)于所述語(yǔ)音特征參數(shù)的語(yǔ)音模型。

本發(fā)明的有益效果是：從語(yǔ)音的產(chǎn)生原理開(kāi)始分析語(yǔ)音的特性，并使用MFCC參數(shù)，來(lái)提取所述語(yǔ)音特征參數(shù)，進(jìn)而建立用戶的語(yǔ)音模型并識(shí)別用戶的實(shí)際語(yǔ)意。