[發明專利]基于PSO卷積核優化稀疏遷移學習的帕金森語音識別系統

有效

• 申請號: 202010119313.4
• 申請日: 2020-02-26
• 公開（公告）號: CN111354338B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 李勇明;張小恒;王品;李新科;賈云健;顏芳;黃智勇
• 申請（專利權）人: 重慶大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/08;G10L15/26;G10L25/66;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

1.一種基于PSO卷積核優化稀疏遷移學習的帕金森語音識別系統，其特征在于包括：數據采集模塊、公共數據庫、目標數據庫和分類識別器；

所述公共數據庫用于存儲公共語音數據集；

所述目標數據庫用于存儲代表帕金森語音數據的目標數據集；

所述分類識別器采用人工智能模型；

所述數據采集模塊采集待測對象的語音數據，對該語音數據提取語音特征并基于最優卷積核進行卷積稀疏編碼，然后選擇編碼后的最佳樣本和特征輸入所述分類識別器得出測試結果；

所述最優卷積核以及最佳樣本和特征由以下步驟確定：

S1：初始化PSO算法相關參數并隨機初始化卷積核粒子群；

S2：將每一代卷積核粒子群中各個粒子作為原始卷積核對所述公共數據庫中的公共語音數據集的語音特征進行卷積稀疏學習，得到各自對應的卷積核終值；

S3：基于各個卷積核終值，利用所述目標數據庫中的一部分目標數據集作為訓練集進行卷積稀疏編碼及并行樣本和特征優選；得出分類準確率高的樣本和特征并確定其對應的各個粒子的適應度函數值；

S4：基于各個粒子的適應度函數值更新卷積核粒子群，循環執行步驟S2和步驟S3直至得到所述最優卷積核；

S5：基于所述最優卷積核，利用所述目標數據庫中的另一部分目標數據集作為驗證集和測試集進行卷積稀疏編碼及并行樣本和特征優選；得到所述最優卷積核對應的最佳樣本和特征。

2.根據權利要求1所述的基于PSO卷積核優化稀疏遷移學習的帕金森語音識別系統，其特征在于：所述公共數據庫中的公共語音數據集通過加載不同類型不同信噪比的噪聲來擴展數據樣本。

3.根據權利要求1所述的基于PSO卷積核優化稀疏遷移學習的帕金森語音識別系統，其特征在于：所述目標數據庫中每個測試對象的語音樣本包括26個，具體為下表所示：

樣本序列	樣本描述
第1個	持續元音aaa
第2個	持續元音ooo
第3個	持續元音uuu
第4個～第13個	數字1～10
第14個～第17個	預設的短句
第18個～第26個	預設的單詞

且所述數據采集模塊也按照上述樣本形式采集待測對象的語音數據。