[發明專利]基于隨機森林的語音聲調識別方法及系統

在審

• 申請號: 202010813194.2
• 申請日: 2020-08-13
• 公開（公告）號: CN111916066A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 田嵐;李濛;劉國洋;范輝
• 申請（專利權）人: 山東大學
• 主分類號: G10L15/08
• 分類號: G10L15/08;G10L15/02
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開了基于隨機森林的語音聲調識別方法及系統，包括：獲取待識別的語音信號，對待識別的語音信號進行預處理；對預處理后的待識別的語音信號進行特征參數的提取與選擇；將提取的特征參數，輸入到預先訓練好的隨機森林模型中，輸出待識別的語音信號的聲調識別結果。隨機森林的實現簡單、運算速度快、抗噪聲能力強等優點，在聲調識別中可以得到很好的應用，能夠在確保識別準確率的同時，使聲調分類器的運算復雜度降到最低。

技術領域

本申請涉及語音聲調識別技術領域，特別是涉及基于隨機森林的語音聲調識別方法及系統。

背景技術

本部分的陳述僅僅是提到了與本申請相關的背景技術，并不必然構成現有技術。

漢語是一種具有聲調的語言，除輕聲外，漢語共有四種聲調。聲調體現為聲音的高低升降，在漢語中具有重要的辨意作用，不同的聲調代表著不同的含義，例如拼音“ma”，用四種聲調發聲時分別可由漢字“媽”、“麻”、“馬”和“罵”表示。因此，聲調作為漢語的重要組成部分在人們的日常交流中起到了不可或缺的作用。同時，在人機交互中經常會用到語音作為通信方式，語音識別是通過計算機將語音信號轉變為相應的文本或命令的技術，其中聲調識別是語音識別的重要組成部分。

現階段在聲調識別的研究中采用的特征參數主要可分為兩類：僅使用基頻作為特征參數和使用基頻及其他特征作為特征參數，其他特征主要包括時長、能量、MFCC(梅爾頻率倒譜系數)等。對于基頻有許多種不同的處理方式，比如求出關于基頻的基本統計量、對基頻軌跡進行規范化處理和對基頻軌跡進行曲線擬合等等。但是關于哪些特征參數在聲調識別中表現最好、對于基頻應該進行怎樣的處理等問題，一直沒有一個統一的定論。

同時，在聲調分類器部分，目前應用較多的是神經網絡模型、SVM(支持向量機)模型和HMM(隱馬爾可夫模型)，但是這些模型在建模當中同樣存在一些問題。對于神經網絡模型，現階段應用最多的是使用基頻、聲譜圖或MFCC作為特征參數在卷積神經網絡或深度神經網絡中進行聲調識別。但是這些方法在計算聲譜圖和MFCC時計算量大，卷積神經網絡和深度神經網絡的構建也十分復雜，同時識別準確率不高，且神經網絡中隱藏層的層數和節點數等參數的選擇和其他參數的優化一般根據經驗，沒有一個統一的標準。同樣的，在使用SVM模型時，核函數的選取是一個很重要的問題，但目前比較成熟的核函數及其參數的選擇都是人為的，且經典的SVM算法只能進行二分類，若要應用到聲調識別等多分類的問題中需要使用多個二分類的SVM，這無疑增加了計算復雜度。而且當待識別數據存在含有噪聲、不平衡、具有缺失等問題時，這些模型的識別準確率均會受到較大影響，魯棒性較差。

發明內容

為了解決現有技術的不足，本申請提供了基于隨機森林的語音聲調識別方法及系統；

第一方面，本申請提供了基于隨機森林的語音聲調識別方法；

基于隨機森林的語音聲調識別方法，包括：

獲取待識別的語音信號，對待識別的語音信號進行預處理；

對預處理后的待識別的語音信號進行特征參數的提取與選擇；

將提取的特征參數，輸入到預先訓練好的隨機森林模型中，輸出待識別的語音信號的聲調識別結果。

第二方面，本申請提供了基于隨機森林的語音聲調識別系統；

基于隨機森林的語音聲調識別系統，包括：

預處理模塊，其被配置為：獲取待識別的語音信號，對待識別的語音信號進行預處理；

特征提取模塊，其被配置為：對預處理后的待識別的語音信號進行特征參數的提取與選擇；

聲調識別模塊，其被配置為：將提取的特征參數，輸入到預先訓練好的隨機森林模型中，輸出待識別的語音信號的聲調識別結果。