[發(fā)明專(zhuān)利]一種基于改進(jìn)型動(dòng)態(tài)時(shí)間規(guī)整語(yǔ)音識(shí)別算法的實(shí)現(xiàn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810065149.6
• 申請(qǐng)日: 2018-01-23
• 公開(kāi)（公告）號(hào): CN108320750A
• 公開(kāi)（公告）日: 2018-07-24
• 發(fā)明（設(shè)計(jì)）人: 劉昊;呂修任;姚國(guó)良
• 申請(qǐng)（專(zhuān)利權(quán)）人: 東南大學(xué)—無(wú)錫集成電路技術(shù)研究所
• 主分類(lèi)號(hào): G10L15/28
• 分類(lèi)號(hào): G10L15/28
• 代理公司: 南京瑞弘專(zhuān)利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 楊曉玲

本發(fā)明公開(kāi)了一種基于改進(jìn)型動(dòng)態(tài)時(shí)間規(guī)整語(yǔ)音識(shí)別算法的實(shí)現(xiàn)方法，包括：根據(jù)參考模板和測(cè)試模板選取匹配路徑時(shí)滿(mǎn)足邊界條件、連續(xù)性和單調(diào)性約束的特點(diǎn)，將兩者匹配路徑的選取范圍限制在相似度矩陣上靠近對(duì)角線周?chē)钠叫兴倪呅螀^(qū)域內(nèi)，因此無(wú)需計(jì)算平行四邊形之外的路徑點(diǎn)所對(duì)應(yīng)的時(shí)間幀的匹配距離，并且不需要保存全部的幀匹配距離和累加距離矩陣。針對(duì)傳統(tǒng)動(dòng)態(tài)時(shí)間規(guī)整算法在匹配過(guò)程中匹配路徑過(guò)多導(dǎo)致運(yùn)算量過(guò)大的問(wèn)題，本發(fā)明通過(guò)在路徑匹配過(guò)程中進(jìn)一步加入邊界范圍的約束，成功篩除一些與模板匹配最終結(jié)果無(wú)關(guān)的路徑，大大減少了匹配過(guò)程中的不必要的運(yùn)算以及內(nèi)存使用，有效提高了動(dòng)態(tài)時(shí)間規(guī)整語(yǔ)音識(shí)別算法的運(yùn)算速度以及識(shí)別效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于改進(jìn)型動(dòng)態(tài)時(shí)間規(guī)整語(yǔ)音識(shí)別算法的實(shí)現(xiàn)方法，屬于語(yǔ)音識(shí)別控制技術(shù)領(lǐng)域，可用于對(duì)計(jì)算量和內(nèi)存使用比較敏感的嵌入式語(yǔ)音識(shí)別技術(shù)領(lǐng)域。

背景技術(shù)

隨著人類(lèi)社會(huì)的進(jìn)步和科學(xué)技術(shù)的迅速發(fā)展，人們開(kāi)始追求智能、便捷的家居環(huán)境，語(yǔ)音識(shí)別控制技術(shù)在智能家居中的運(yùn)用變得尤其重要，它可以使得人們擺脫手動(dòng)控制設(shè)備的煩惱，只通過(guò)語(yǔ)音就可以達(dá)到控制家電設(shè)備的目的，所以語(yǔ)音識(shí)別控制成為一個(gè)熱門(mén)的研究方向。語(yǔ)音識(shí)別技術(shù)在PC(計(jì)算機(jī))這種可用資源較多、運(yùn)算能力強(qiáng)的設(shè)備上發(fā)展已較為成熟，其識(shí)別效果也已經(jīng)很好，但是在硬件資源有限、運(yùn)算能力相對(duì)較弱的嵌入式平臺(tái)上仍然面臨一些問(wèn)題，選擇合適的語(yǔ)音識(shí)別算法并進(jìn)行優(yōu)化改進(jìn)以節(jié)省硬件使用、減少計(jì)算量已經(jīng)成為必須考慮的問(wèn)題。

其中，DTW(動(dòng)態(tài)時(shí)間規(guī)整)算法是比較經(jīng)典和成熟的語(yǔ)音識(shí)別算法，它利用動(dòng)態(tài)規(guī)劃(DP)的方法有效解決了語(yǔ)音信號(hào)特征參數(shù)的幀長(zhǎng)度不等(在語(yǔ)音識(shí)別領(lǐng)域表現(xiàn)為人的語(yǔ)速變化導(dǎo)致的發(fā)音時(shí)間長(zhǎng)短不一)的問(wèn)題，即采用對(duì)輸入語(yǔ)音信號(hào)進(jìn)行伸長(zhǎng)或縮短直到與標(biāo)準(zhǔn)模式的長(zhǎng)度一致，從而計(jì)算兩個(gè)語(yǔ)音序列之間的相似性(匹配度)。在基于中小詞匯量的孤立詞語(yǔ)音識(shí)別系統(tǒng)中，其識(shí)別率與隱馬爾可夫模型(HMM)算法相差無(wú)幾，而算法復(fù)雜度卻低得多，所以DTW算法比較適合于較少詞匯量的孤立詞為主的語(yǔ)音命令控制。

DTW是一個(gè)典型的優(yōu)化問(wèn)題，它用滿(mǎn)足一定條件的時(shí)間規(guī)整函數(shù)W(n)來(lái)描述測(cè)試模板和參考模板的時(shí)間對(duì)應(yīng)關(guān)系，求解兩模板匹配時(shí)累計(jì)距離最小所對(duì)應(yīng)的規(guī)整函數(shù)。測(cè)試語(yǔ)音參數(shù)共有I幀矢量，而參考模板共有J幀矢量，I和J不等，尋找一個(gè)時(shí)間規(guī)整函數(shù)j＝W(i)，它將測(cè)試矢量的時(shí)間軸i非線性地映射到參考模板的時(shí)間軸j上，并使該函數(shù)滿(mǎn)足：D(i，j)為第i幀測(cè)試矢量Q(i)和第j幀模板矢量C(j)之間的距離測(cè)度，最優(yōu)時(shí)間規(guī)整情況下，所有矢量幀間的距離和∑D(i，j)最小。

給定測(cè)試語(yǔ)音序列為Q＝[q₁，q₂，…，q_i，…，q_n](其中，n＝N為測(cè)試語(yǔ)音序列的總幀數(shù)，q_i為該語(yǔ)音序列中每一幀的特征值)以及參考語(yǔ)音序列為C＝[c₁，c₂，…，c_j，…，c_m](其中，m＝M為參考語(yǔ)音序列的總幀數(shù)，c_j為該語(yǔ)音序列中每一幀的特征值)，那么在n≠m的情況下(若n＝m，可直接計(jì)算兩個(gè)序列的距離)，為對(duì)齊這兩個(gè)語(yǔ)音序列，構(gòu)造一個(gè)n×m的矩陣網(wǎng)絡(luò)，該矩陣(i,j)處的元素為q_i和c_j兩個(gè)點(diǎn)的距離d(q_i,c_j)(即序列Q的每一個(gè)點(diǎn)和序列C的每一個(gè)點(diǎn)之間的相似度，距離越小則相似度越高)，一般采用歐氏距離，即d(q_i,c_j)＝(q_i-c_j)²；該DP方法可以歸結(jié)為尋找一條通過(guò)此矩陣網(wǎng)絡(luò)中若干格點(diǎn)的路徑，路徑通過(guò)的格點(diǎn)(i,j)即為兩個(gè)序列進(jìn)行計(jì)算的對(duì)齊的點(diǎn)。我們把這條路徑定義為warping path規(guī)整路徑，并用W來(lái)表示，W的第k個(gè)元素定義為W_k＝(i,j)_k，也就是，W＝w₁,w₂,…,w_k,…,w_K，且max{m,n+≤K≤m+n-1。