[發(fā)明專利]一種基于深度學習的機器人語音控制方法

在審

• 申請?zhí)枺?/td>: 202011196439.8
• 申請日: 2020-10-30
• 公開（公告）號: CN112289309A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設計）人: 王曉華;趙晨鑫;李鵬飛;張蕾;蘇澤斌
• 申請（專利權）人: 西安工程大學
• 主分類號: G10L15/14
• 分類號: G10L15/14;G10L15/16;G10L25/24;G10L15/06;G10L15/22;G10L15/26;G10L15/02
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 寧文濤

本發(fā)明一種基于深度學習的機器人語音控制方法依據(jù)卷積神經(jīng)網(wǎng)絡(CNN)、長短期記憶模型(LSTM)、時序分類模型(CTC)相結合的一種新的語音識別模型，搭建CNN?LSTM?CTC聲學模型，通過SMFCC算法完成語音輸入信號的特征提取，利用新的混合聲學模型提取更深層的特征，經(jīng)LSTM網(wǎng)絡對語音數(shù)據(jù)進行時序特征提取，再經(jīng)CTC算法完成對語音信號的訓練和識別。本發(fā)明一種基于深度學習的機器人語音控制方法能夠有效地改善傳統(tǒng)方法中訓練時間短和識別準確率低的缺點，使得人機交互更加高效便捷。

技術領域

本發(fā)明屬于人工智能技術領域，具體涉及一種基于深度學習的機器人語音控制方法。

背景技術

近些年來，機器人智能水平的提高和語音識別技術研究取得重大突破，機器人語音控制技術已經(jīng)成為科技發(fā)展最前沿的領域之一。

隨著不同功能的移動機器人被廣泛應用到各個領域中，鍵盤和手柄等傳統(tǒng)的控制方式已經(jīng)難以滿足人與機器人協(xié)同工作的需求，人們迫切需要一種高效方便的方法實現(xiàn)人機交互，機器人語音控制技術能夠讓機器人對人的語音內(nèi)容進行識別，并按照人的指令完成指定任務。

機器人語音控制可分為幾個過程：語音信號的預處理、特征參數(shù)提取、語音信號的識別與控制。其中，基于神經(jīng)網(wǎng)絡的語音識別方法是目前最熱門的語音識別方法之一，該方法通過建立語音信號的聲學模型，有效地改善了傳統(tǒng)方法中訓練時間短和識別準確率低的缺點。目前，國內(nèi)在這方面尚無十分成熟的技術。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度學習的機器人語音控制方法，該方法簡化了基于GMM-HMM的混合聲學模型，加強了對相鄰語音幀之間的聯(lián)系。

本發(fā)明所采用的技術方案是一種基于深度學習的機器人語音控制方法，具體步驟如下：

步驟1：利用SMFCC算法提取語音信號的特征；

步驟2：應用CNN網(wǎng)絡提取更加深層的語音特征；

步驟3：經(jīng)池化層處理后的語音數(shù)據(jù)送入LSTM網(wǎng)絡進行時序特征提取；

步驟4：判斷誤差值是否滿足預先設置的閥值，或聲學模型優(yōu)化的迭代次數(shù)是否已達到預設值；

若是，則訓練結束輸出權值；

若否，返回步驟3繼續(xù)訓練。

步驟5：利用CTC算法對LSTM各個節(jié)點的輸出權值進行自動對齊，完成語音信號的訓練和識別。

步驟6：使用python編寫語音控制機器人的代碼，通過ROS的通信機制將各個模塊串接，完成語音控制機器人過程。

本發(fā)明的特點還在于：

步驟1中提取特征參數(shù)的具體過程為：

步驟1.1：對輸入的語音信號進行預處理；

步驟1.2：對S矩陣A進行奇異值分解(SVD)計算，經(jīng)降噪處理后，得到矩陣B；

步驟1.3：對矩陣B求取統(tǒng)計值得到2N維的統(tǒng)計值向量C；

步驟1.4：通過Mel濾波器組以及求對數(shù)能量，得到離散余弦變換(DCT)倒譜,經(jīng)DCT倒譜得到75維的SMFCC特征。

步驟1.1中對輸入的語音信號x(n)進行預處理，對一幀語音信號進行S變換，得到S矩陣A：

對語音信號x(t)進行S變換：

g(τ,f)為高斯函數(shù)：

式(1)中，τ參數(shù)為高斯窗函數(shù)中心點，f為頻率。