[發明專利]基于增強脈沖的聲音識別方法

在審

• 申請號: 202010161164.8
• 申請日: 2020-03-10
• 公開（公告）號: CN111681648A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 于強;宋世明
• 申請（專利權）人: 天津大學
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/20;G10L19/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

本發明公開一種基于增強脈沖的聲音識別方法。在噪聲環境下對聲音進行準確地識別,激發了研究者對人腦的運行機理進行探索，從而賦予機器以與人腦相似的認知能力。生物系統中的神經元使用脈沖來傳輸和處理信息。我們首先將脈沖迸發的生物學現象抽象成為了增強脈沖，其通過定義脈沖系數來表示除脈沖發放時間以外的其它信息。之后，提出了兩種新的學習算法來處理增強脈沖。最后，本發明結合稀疏關鍵點編碼方法，提出了兩種基于增強脈沖的聲音識別方法。我們提出的基于增強脈沖的聲音識別模型大幅度地提升了聲音識別的準確率和魯棒性，彰顯了增強脈沖及其識別模型的優勢。

技術領域

本發明屬于類腦計算、聲音識別領域，尤其是有關提高脈沖神經網絡模型在聲音識別上 面表現的技術，具體涉及一種基于增強脈沖的聲音識別方法。

背景技術

聲音識別是生物從周圍環境中獲取信息的重要技能之一，這賦予了生物快速對事件做出 響應的杰出能力。由于其重要性，越來越多的研究工作者投入到聲音識別領域。然而，如何 在噪聲環境下對聲音進行準確地識別仍然是一個難題。

人腦在各種認知任務上面(例如學習、記憶、決策等)上具有非凡的表現，這激發了研 究者對人腦的運行機理進行探索，從而賦予機器以與人腦相似的認知能力。生物系統中的神 經元使用脈沖來傳輸和處理信息。脈沖被認為在人腦卓越的認知計算能力中起著至關重要的 作用。因此，脈沖神經網絡(SNN)被提出來，用以模擬和探索人腦中基于脈沖的高效且有效 的信息處理方式。由于擁有與生物系統相似的信息處理方式，SNN被認為具有更好的生物可 信度和計算能力。傳統的脈沖神經元分別從上游神經元和下游神經元接收并發送二進制形式 的脈沖。盡管神經元如何用脈沖準確地編碼信息仍不清楚，速率和時間兩種編碼方案被廣泛 研究和應用。

最近，生物實驗表明神經系統中的神經元經常以脈沖迸發(bursting)的形式來傳遞信 息，即在短時間內發射若干個脈沖(請參見圖1.B)，并且這種迸發現象在可靠的編碼和學習 中都起著重要的作用。

發明內容

受此啟發，我們首先將脈沖迸發的生物學現象抽象成為了增強脈沖，其通過定義脈沖系 數來表示除脈沖發放時間以外的其它信息。之后，提出了兩種新的學習算法來處理增強脈沖。 最后，本發明結合稀疏關鍵點編碼方法，提出了兩種基于增強脈沖的聲音識別方法。實驗結 果表明，與之前聲音識別模型相比，我們提出的基于增強脈沖的聲音識別模型大幅度地提升 了聲音識別的準確率和魯棒性，彰顯了增強脈沖及其識別模型的優勢。

本發明首先提出了增強脈沖的新概念。之后，提出了兩種新的學習算法來處理增強脈沖。 最后，我們結合稀疏關鍵點編碼方法，提出了兩種基于增強脈沖的仿腦聲音識別技術。具體 的技術方案如下：

(一)增強脈沖及其學習算法。

(1)增強神經元模型

與傳統的二進制脈沖不同，增強脈沖使用了脈沖迸發數目來表示其他信息(見圖1.C)。 為了方便，我們將該數量抽象為脈沖系數。為了處理脈沖系數這一額外維度，神經元模型需 要將脈沖系數納入其動力學等式中。與傳統的模型類似，我們的神經元模型會不斷將輸入的 增強脈沖整合到其膜電位中，并在觸發條件滿足時發放輸出脈沖。不同的是，每個輸入脈沖 對神經元膜電位V(t)的影響不僅僅由突觸權重控制。在我們的增強脈沖神經元模型中，這個 影響的幅度還由脈沖系數控制。

其中，是到達第i個突觸的第j個脈沖的時間,表示相應的脈沖系數，代表當前神經元 第j個輸出脈沖的時間。N和w_i表示突觸前神經元的數目和相對應的突觸權重。θ表示神經元 的閾值。K(t)是一個核函數，定義為：

V₀是一個常數因子，用來對K(t)進行歸一化。τ_m表示膜電位的時間常數，τ_s表示突觸電流的 時間常數。