[發(fā)明專(zhuān)利]復(fù)合語(yǔ)音識(shí)別方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910601019.4
• 申請(qǐng)日: 2019-07-04
• 公開(kāi)（公告）號(hào): CN110444202B
• 公開(kāi)（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 吳冀平;彭俊清;王健宗
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安科技（深圳）有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L25/24;G10L25/18;G10L25/27;G10L15/06
• 代理公司: 深圳市力道知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44507
• 代理人: 何姣

1.一種復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述復(fù)合語(yǔ)音識(shí)別方法包括：

實(shí)時(shí)或定時(shí)檢測(cè)預(yù)置范圍內(nèi)的復(fù)合語(yǔ)音；

當(dāng)檢測(cè)到所述復(fù)合語(yǔ)音時(shí)，獲取所述復(fù)合語(yǔ)音的聲音信號(hào)；

對(duì)所述聲音信號(hào)進(jìn)行短時(shí)傅里葉變換，生成所述復(fù)合語(yǔ)音的時(shí)頻圖；基于預(yù)置膠囊網(wǎng)絡(luò)模型，提取所述時(shí)頻圖的多個(gè)頻譜，獲取各個(gè)所述頻譜的梅爾頻率倒譜系數(shù)；

通過(guò)所述預(yù)置膠囊網(wǎng)絡(luò)模型，計(jì)算出各個(gè)所述梅爾頻率倒譜系數(shù)的向量模，并根據(jù)各個(gè)所述梅爾頻率倒譜系數(shù)的向量模確定所述復(fù)合語(yǔ)音的類(lèi)型。

2.如權(quán)利要求1所述的復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述當(dāng)檢測(cè)到所述復(fù)合語(yǔ)音信號(hào)時(shí)，獲取所述復(fù)合語(yǔ)音的聲音信號(hào)包括：

當(dāng)檢測(cè)到所述復(fù)合語(yǔ)音時(shí)，調(diào)取預(yù)置采樣率；

通過(guò)預(yù)置公式和所述預(yù)置采樣率，確定所述預(yù)置采樣率的采樣時(shí)間間隔；

基于所述采樣時(shí)間間隔對(duì)所述復(fù)合語(yǔ)音進(jìn)行采集，獲取所述復(fù)合語(yǔ)音的離散信號(hào)。

3.如權(quán)利要求2所述的復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述對(duì)所述聲音信號(hào)進(jìn)行短時(shí)傅里葉變換，生成所述復(fù)合語(yǔ)音的時(shí)頻圖包括：若獲取到所述離散信號(hào)時(shí)，讀取預(yù)置的幀時(shí)長(zhǎng)信息以及幀移信息；

通過(guò)所述幀時(shí)長(zhǎng)信息以及所述幀移信息對(duì)所述離散信號(hào)進(jìn)行預(yù)處理，得到多個(gè)短時(shí)分析信號(hào)；

對(duì)多個(gè)所述短時(shí)分析信號(hào)進(jìn)行傅里葉變換，生成所述復(fù)合語(yǔ)音的時(shí)頻圖。

4.如權(quán)利要求1或3任意一項(xiàng)所述的復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述基于預(yù)置膠囊網(wǎng)絡(luò)模型，提取所述時(shí)頻圖的多個(gè)頻譜，獲取各個(gè)所述頻譜的梅爾頻率倒譜系數(shù)包括；

若獲取到所述復(fù)合語(yǔ)音的時(shí)頻圖，調(diào)取預(yù)置膠囊網(wǎng)絡(luò)模型，其中所述預(yù)置膠囊網(wǎng)絡(luò)模型包括卷積層、初級(jí)膠囊、高級(jí)膠囊、輸出層；

當(dāng)將所述時(shí)頻圖輸入所述預(yù)置膠囊網(wǎng)絡(luò)模型，通過(guò)所述卷積層的卷積核對(duì)所述時(shí)頻圖進(jìn)行分幀，提取所述時(shí)頻圖的多個(gè)頻譜；

將提取到的多個(gè)所述頻譜通過(guò)預(yù)置濾波函數(shù)組進(jìn)行濾除，獲取各個(gè)所述頻譜的梅爾頻率倒譜系數(shù)。

5.如權(quán)利要求4所述的復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述將提取到的多個(gè)所述頻譜通過(guò)預(yù)置濾波函數(shù)組進(jìn)行濾除，獲取各個(gè)所述頻譜的梅爾頻率倒譜系數(shù)包括：

在提取到多個(gè)所述頻譜時(shí)，通過(guò)所述卷積層中的預(yù)置濾波函數(shù)組對(duì)多個(gè)所述頻譜進(jìn)行濾除，獲取各個(gè)所述頻譜的梅爾頻率倒譜，其中，頻譜由包絡(luò)和頻譜的細(xì)節(jié)組成；

通過(guò)所述初級(jí)膠囊對(duì)各個(gè)所述梅爾頻率倒譜做倒譜分析，獲取多個(gè)所述包絡(luò)的倒譜系數(shù)，并將所述包絡(luò)的倒譜系數(shù)作為梅爾頻率倒譜系數(shù)。

6.如權(quán)利要求5所述的復(fù)合語(yǔ)音識(shí)別方法，其特征在于，所述通過(guò)所述預(yù)置膠囊網(wǎng)絡(luò)模型，計(jì)算出各個(gè)所述梅爾頻率倒譜系數(shù)的向量模，并根據(jù)各個(gè)所述梅爾頻率倒譜系數(shù)的向量模確定所述復(fù)合語(yǔ)音信號(hào)的類(lèi)型包括：

當(dāng)多個(gè)所述初級(jí)膠囊分別向所述高級(jí)膠囊前向傳播所述梅爾頻率倒譜系數(shù)時(shí)，通過(guò)所述預(yù)置膠囊網(wǎng)絡(luò)的動(dòng)態(tài)路由公式，獲取所述梅爾頻率倒譜系數(shù)的中間向量；

基于所述高級(jí)膠囊的激活函數(shù)和所述中間向量，獲取所述高級(jí)膠囊輸出的所述梅爾頻率倒譜系數(shù)的向量模；

在獲取到多個(gè)所述高級(jí)膠囊輸出的所述梅爾頻率倒譜系數(shù)的向量模，通過(guò)比對(duì)多個(gè)所述梅爾頻率倒譜系數(shù)的向量模，標(biāo)記輸出最大向量模的目標(biāo)高級(jí)膠囊；

通過(guò)所述輸出層輸出所述目標(biāo)高級(jí)膠囊的標(biāo)識(shí)類(lèi)型，獲取所述復(fù)合語(yǔ)音的類(lèi)型。