[發(fā)明專利]一種用于合成語音檢測的GRU-SVM深度學(xué)習(xí)模型的構(gòu)造方法

在審

• 申請?zhí)枺?/td>: 202010034132.1
• 申請日: 2020-01-14
• 公開（公告）號: CN111243621A
• 公開（公告）日: 2020-06-05
• 發(fā)明（設(shè)計）人: 王宏霞;黃婷;何沛松
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: G10L25/30
• 分類號: G10L25/30;G10L25/51;G10L25/24;G06N3/08
• 代理公司: 成都盈信專利代理事務(wù)所(普通合伙) 51245
• 代理人: 崔建中

1.一種用于合成語音檢測的GRU-SVM深度學(xué)習(xí)模型的構(gòu)造方法，其特征在于，包括：

步驟一：提取訓(xùn)練語音每一幀的特征參數(shù)，包括

1.1將訓(xùn)練語音解碼后進(jìn)行預(yù)處理，所述預(yù)處理包括預(yù)加重、分幀和加窗；

1.2通過快速傅里葉變換，將時域信號轉(zhuǎn)換為頻域信號，再取模后平方得到譜線能量；

1.3放入m維的Mel濾波器組，計算出通過Mel濾波器的能量；

1.4取對數(shù)倒譜后DCT變換，得到MFCC特征；

1.5提取MFCC特征的一階差分系數(shù)ΔMFCC，與MFCC特征組成2m維特征參數(shù)CC，CC＝{(C₁,C₂,...C_m),(ΔC₁,ΔC₂,...ΔC_m)}，

其中，C_m表示第m維Mel濾波器輸出的MFCC特征，ΔC_m表示第m維ΔMFCC；

步驟二：構(gòu)造訓(xùn)練語音的特征矩陣，包括

2.1將每一個訓(xùn)練語音的所有幀的2m維特征參數(shù)CC構(gòu)成一個特征矩陣；其中，幀數(shù)最大的那個訓(xùn)練語音的特征矩陣為L行2m列，L為其幀數(shù)；

2.2將幀數(shù)小于L的訓(xùn)練語音的特征矩陣，進(jìn)行補(bǔ)0操作，使其特征矩陣為L行2m列；

步驟三：構(gòu)造GRU-SVM深度學(xué)習(xí)模型，包括

3.1將每一個訓(xùn)練語音的特征序列(x₁,x₂...x_t-1,x_t)輸入到具有3層隱藏層的GRU神經(jīng)網(wǎng)絡(luò)，依次計算相應(yīng)的隱藏層，得到輸出向量(y₁,y₂,...y_t-1,y_t)；所述訓(xùn)練語音的特征序列(x₁,x₂...x_t-1,x_t)中，x₁為訓(xùn)練語音的特征矩陣的第一行，x₂為訓(xùn)練語音的特征矩陣的第二行，…，x_t為訓(xùn)練語音的特征矩陣的第L行；

3.2將GRU的輸出向量(y₁,y₂,...y_t-1,y_t)的y_t輸入到SVM，完成SVM回歸，得到GRU-SVM深度學(xué)習(xí)模型；

步驟四：對GRU-SVM深度學(xué)習(xí)模型進(jìn)行softmax的回歸，對回歸后的輸出進(jìn)行交叉熵?fù)p失的計算，并通過最小化損失的方法進(jìn)行優(yōu)化，得到優(yōu)化后的GRU-SVM深度學(xué)習(xí)模型。