[發明專利]語音識別方法及裝置

有效

• 申請號: 201710198565.9
• 申請日: 2017-03-29
• 公開（公告）號: CN106991999B
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 萬韶華
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L25/30
• 代理公司: 北京尚倫律師事務所 11477
• 代理人: 代治國

1.一種語音識別方法，其特征在于，包括：

獲取語音識別模型中待輸入深度神經網絡DNN第i層網絡的M個語音數據，每個所述語音數據包括語音的持續時間、語音頻率和語音強度；所述i為大于或等于1的整數；

對所述M個語音數據包括的M個語音強度進行正則化處理，獲取M個正則語音數據，每個所述正則語音數據包括語音的所述持續時間、所述語音頻率和正則語音強度，所述M為大于或等于1的整數；

根據所述M個正則語音數據，獲取輸入所述DNN第i層網絡的M個輸入語音數據；

所述根據所述M個正則語音數據，獲取輸入所述DNN第i層網絡的M個輸入語音數據包括：

對所述M個正則語音數據包括的M個正則語音強度進行逆正則處理，獲取M個逆正則語音數據，每個所述逆正則語音數據包括語音的所述持續時間，所述語音頻率和逆正則語音強度；

將所述M個逆正則語音數據作為輸入所述DNN第i層網絡的所述M個輸入語音數據。

2.根據權利要求1所述的方法，其特征在于，所述根據所述M個正則語音數據，獲取輸入所述DNN第i層網絡的M個輸入語音數據包括：

將所述M個正則語音數據作為輸入所述DNN第i層網絡的所述M個輸入語音數據。

3.根據權利要求1所述的方法，其特征在于，所述對所述M個語音數據包括的M個語音強度進行正則化處理，獲取M個正則語音數據包括：

將所述M個語音數據按照預設規則分成N組語音數據；

對所述N組語音數據中每組語音數據分別進行正則化處理，獲取N組正則語音數據，所述N組正則語音數據共包括M個正則語音數據。

4.根據權利要求1至3任意一項權利要求所述的方法，其特征在于，所述對所述M個語音數據包括的M個語音強度進行正則化處理，獲取M個正則語音數據包括：

獲取所述M個語音強度的均值E[X⁽ⁱ⁾]和所述M個語音強度的方差Var[X⁽ⁱ⁾]；

根據第一公式，對所述M個語音強度x⁽ⁱ⁾進行正則化處理，獲取M個正則語音強度x^(i)；所述第一公式為：

根據所述M個正則語音強度x^(i)，獲取所述M個正則語音數據。

5.根據權利要求1所述的方法，其特征在于，所述對所述M個正則語音數據包括的M個正則語音強度進行逆正則處理，獲取M個逆正則語音數據包括：

根據第二公式對所述M個正則語音強度進行逆正則處理，獲取M個逆正則語音強度y⁽ⁱ⁾；所述第二公式為：y⁽ⁱ⁾＝γ⁽ⁱ⁾x^(i)+β⁽ⁱ⁾；其中，所述x^(i)為M個正則語音強度，所述γ⁽ⁱ⁾為所述第i層網絡的逆正則方差參數，所述β⁽ⁱ⁾為所述第i層網絡的逆正則均值參數；

根據所述M個逆正則語音強度y⁽ⁱ⁾，獲取所述M個逆正則語音數據。

6.根據權利要求1至3任意一項權利要求所述的方法，其特征在于，所述第i層網絡包括第i卷積層，第i池化層和第i激活層；所述方法還包括：

將所述M個輸入語音數據輸入所述第i卷積層，獲取所述第i卷積層輸出的M個卷積語音數據；

將所述M個卷積語音數據輸入所述第i池化層，獲取所述第i池化層輸出的M個池化語音數據；

將所述M個池化語音數據輸入所述第i激活層，獲取所述第i激活層輸出的待輸入第i+1層網絡的M個語音數據。