[發(fā)明專利]一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910030821.2
• 申請(qǐng)日: 2019-01-14
• 公開(kāi)（公告）號(hào): CN109448726A
• 公開(kāi)（公告）日: 2019-03-08
• 發(fā)明（設(shè)計(jì)）人: 李慶湧
• 申請(qǐng)（專利權(quán)）人: 李慶湧
• 主分類號(hào): G10L15/22
• 分類號(hào): G10L15/22;G10L15/16;G10L15/06
• 代理公司: 深圳余梅專利代理事務(wù)所(特殊普通合伙) 44519
• 代理人: 井杰;高真輝

1.一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法，包括步驟：

S1：根據(jù)語(yǔ)音控制的特點(diǎn)，選擇特定的神經(jīng)網(wǎng)絡(luò)模型，采集用戶的語(yǔ)音信息經(jīng)特征提取后對(duì)模型進(jìn)行訓(xùn)練，使用已經(jīng)訓(xùn)練好的參數(shù)對(duì)網(wǎng)絡(luò)的權(quán)值初始化；根據(jù)控制系統(tǒng)的功能和控制需求，設(shè)置語(yǔ)音控制指令集；

S2：監(jiān)聽(tīng)用戶命令；

S3：獲取用戶語(yǔ)音控制信號(hào)，對(duì)該信號(hào)執(zhí)行預(yù)處理步驟；

S4：將預(yù)處理后的用戶語(yǔ)音控制信號(hào)作為輸入，經(jīng)過(guò)特征提取后，送入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，得到分類的識(shí)別結(jié)果即用戶的語(yǔ)音控制命令；

S5：判斷該識(shí)別結(jié)果與系統(tǒng)預(yù)存的語(yǔ)音控制指令是否匹配，當(dāng)用戶語(yǔ)音控制命令與預(yù)存的控制指令匹配時(shí)，系統(tǒng)控制執(zhí)行部件執(zhí)行相應(yīng)的控制操作；不匹配時(shí)，計(jì)算語(yǔ)音控制準(zhǔn)確率；

S6：當(dāng)語(yǔ)音控制準(zhǔn)確率低于預(yù)定值或用戶啟動(dòng)調(diào)整過(guò)程時(shí)，系統(tǒng)進(jìn)入準(zhǔn)確率調(diào)整模式，執(zhí)行步驟S7；否則，跳轉(zhuǎn)到步驟S2；

S7：系統(tǒng)輸出標(biāo)準(zhǔn)語(yǔ)段，提示用戶跟讀，系統(tǒng)采集用戶語(yǔ)音輸入，對(duì)模型進(jìn)行訓(xùn)練；再次測(cè)量語(yǔ)音控制準(zhǔn)確率，當(dāng)準(zhǔn)確率高于閾值時(shí)，結(jié)束調(diào)整過(guò)程；若準(zhǔn)確率低于閾值，重復(fù)調(diào)整過(guò)程。

2.根據(jù)權(quán)利要求1所述的一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法，其特征在于，步驟S2具體為：

獲得所在環(huán)境聲音信號(hào)，將時(shí)域信號(hào)轉(zhuǎn)化為頻域信號(hào)，計(jì)算信號(hào)的能量譜；將信號(hào)的能量譜與背景噪聲能量譜比較，判斷是否存在用戶語(yǔ)音控制信號(hào)輸入；若存在用戶語(yǔ)音控制信號(hào)輸入，執(zhí)行之后步驟；否則，繼續(xù)監(jiān)聽(tīng)環(huán)境聲音信號(hào)；

步驟S3中預(yù)處理步驟包括：抗混疊濾波步驟；預(yù)加重步驟；加窗分幀步驟和端點(diǎn)檢測(cè)步驟。

3.根據(jù)權(quán)利要求1所述的一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法，其特征在于，步驟S3對(duì)信號(hào)執(zhí)行預(yù)處理步驟具體為：

抗混疊濾波步驟：設(shè)低通濾波器的截止頻率為f_c，它與采用頻率fs的關(guān)系為:

預(yù)加重步驟：將語(yǔ)音信號(hào)通過(guò)一個(gè)預(yù)加重濾波器，其中預(yù)加重濾波器的傳遞函數(shù)公式如下：H(z)＝1-az^-1式中，a為預(yù)加重系數(shù)，是預(yù)加重前的語(yǔ)音信號(hào)，T(n)是經(jīng)過(guò)預(yù)加重濾波器后得到的信號(hào)，其關(guān)系可用一階差分方程表示如下：系數(shù)a取0.95；

加窗分幀步驟：將采集到的語(yǔ)音信號(hào)分為短時(shí)的語(yǔ)音片段進(jìn)行分析，片段長(zhǎng)度為10ms～30ms，為抑制分幀產(chǎn)生的Gibbs效應(yīng)，利用漢寧窗在語(yǔ)音信號(hào)上進(jìn)行滑動(dòng)將語(yǔ)音信號(hào)分成若干幀；

端點(diǎn)檢測(cè)步驟：計(jì)算每幀信號(hào)的短時(shí)過(guò)零率和短時(shí)平均能量；設(shè)語(yǔ)音信號(hào)的前m幀為靜音段，計(jì)算噪聲的平均能量和平均過(guò)零率；分別為短時(shí)平均能量設(shè)置高低兩個(gè)門限，給短時(shí)過(guò)零率設(shè)置一個(gè)閾值；用之前設(shè)置的高低門限確定語(yǔ)音信號(hào)的起始點(diǎn)和終止點(diǎn)，然后再用短時(shí)過(guò)零率進(jìn)行修正。

4.根據(jù)權(quán)利要求1所述的一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法，其特征在于，步驟S4中特征提取步驟具體為：

對(duì)預(yù)處理后的語(yǔ)音信號(hào)進(jìn)行FFT變換得到頻譜；對(duì)得到的頻譜進(jìn)行平方運(yùn)算，再將得到的能量譜通過(guò)若干Mel帶通濾波器進(jìn)行濾波；將信號(hào)通過(guò)Mel濾波器后再對(duì)其取對(duì)數(shù)，獲得相應(yīng)的對(duì)數(shù)功率譜；最后再對(duì)得到的功率譜進(jìn)行DCT反離散余弦變換，即可得到MFCC特征提取系數(shù)，若對(duì)其做一階和二階差分，可以得到動(dòng)態(tài)MFCC特征參數(shù)。

5.根據(jù)權(quán)利要求1所述的一種語(yǔ)音控制準(zhǔn)確率的調(diào)整方法，其特征在于，步驟S4中：

使用Softmax分類器對(duì)語(yǔ)音輸入信號(hào)進(jìn)行概率判斷，選取輸出值最大的神經(jīng)元所對(duì)應(yīng)的類別作為分類的識(shí)別結(jié)果。