[發明專利]基于改進型膠囊網絡的語音數據分類方法

有效

• 申請號: 201811123791.1
• 申請日: 2018-09-26
• 公開（公告）號: CN109410917B
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 徐寧;倪亞南;劉小峰;潘安順;劉妍妍
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/08;G06N3/04
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.基于改進型膠囊網絡的語音數據分類方法，其特征在于，包括以下步驟：

訓練階段：

1)構造膠囊網絡的編碼器，具體為，

11)利用神經網絡的前向傳播算法對初始語音音素數據進行編碼，得到初級膠囊；

12)構造膠囊網絡的動態路由結構，將初級膠囊中的信息傳遞給高級膠囊，所述高級膠囊由初級膠囊經過多次動態路由迭代算法而產生；

13)以每個高級膠囊的長度的softmax激活值表征初始語音音素數據屬于對應類別的概率；

2)構造膠囊網絡的解碼器，將真實音素符號對應的高級膠囊進行解碼重構；

3)基于預設的損失函數得到總損失，對膠囊網絡的參數進行優化，最小化總損失；

測試階段：

4)將待測試的初始語音音素數據輸入膠囊網絡的編碼器中，根據所有高級膠囊長度的softmax激活值判斷待測試的初始語音音素數據的所屬類別。

2.根據權利要求1所述的基于改進型膠囊網絡的語音數據分類方法，其特征在于，所述初始語音音素數據是通過原始語音數據經過預處理得到，具體包括以下步驟：

A.對原始語音進行帶通濾波平滑處理，去除毛刺噪聲點；

B.對濾波后的語音信號進行分幀處理；

C.對分幀后的每一幀語音信號進行特征提取，選取w個特征作為每一幀的w維特征向量；

D.對每一幀的w維特征向量進行歸一化處理得到初始語音音素數據，即將每一幀的w維特征向量按維度除以一個歸一化因子，所述歸一化因子是一個w維向量l_norm。

3.根據權利要求1所述的基于改進型膠囊網絡的語音數據分類方法，其特征在于，所述步驟11)中所述編碼方法具體為全連接網絡的編碼、二維卷積網絡的編碼或者混合型編碼，

利用所述混合型編碼得到初級膠囊的具體步驟為：

111)初始語音音素數據經過一個全連接層連接到具有m₁個單元的隱藏層h₁，經過激活函數sigmoid作用得到隱藏層h₁的輸出數據z₁；

112)將隱藏層h₁的輸出數據z₁重塑為一個三維張量input1，即m₂個b₁*b₁大小的特征圖譜，通過卷積核大小為k₁*k₁的二維卷積層連接到具有m₃個b₂*b₂大小的特征圖譜的隱藏層h₂，經過激活函數sigmoid作用得到隱藏層h₂的輸出z₂；

113)將隱藏層h₂的輸出數據z₂重塑成n₁*pri_len大小的二維張量，代表n₁個初級膠囊，張量矩陣的每一行代表一個初級膠囊pri_cap，每個初級膠囊的維度是pri_len；

114)將每個初級膠囊按照如下公式進行squash歸一化處理