[發(fā)明專(zhuān)利]基于脈沖神經(jīng)網(wǎng)絡(luò)的語(yǔ)音喚醒方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110581302.2
• 申請(qǐng)日: 2021-05-26
• 公開(kāi)（公告）號(hào): CN113160823A
• 公開(kāi)（公告）日: 2021-07-23
• 發(fā)明（設(shè)計(jì)）人: 肖揚(yáng);羅濤;施佳子;于海燕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類(lèi)號(hào): G10L15/22
• 分類(lèi)號(hào): G10L15/22;G10L15/08;G10L25/18;G10L25/24;G10L25/27;G10L25/30;G10L25/45
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 李春偉

1.一種基于脈沖神經(jīng)網(wǎng)絡(luò)的語(yǔ)音喚醒方法，其中，所述脈沖神經(jīng)網(wǎng)絡(luò)包括特征提取層、學(xué)習(xí)分類(lèi)層以及輸出層，所述語(yǔ)音喚醒方法包括：

獲取語(yǔ)音信號(hào)，所述語(yǔ)音信號(hào)包括具有開(kāi)始點(diǎn)和結(jié)束點(diǎn)的聲波信號(hào)；

通過(guò)所述特征提取層對(duì)所述語(yǔ)音信號(hào)進(jìn)行特征提取，得到脈沖序列；

通過(guò)學(xué)習(xí)分類(lèi)層對(duì)所述脈沖序列進(jìn)行分類(lèi)，得到分類(lèi)結(jié)果，并通過(guò)所述輸出層輸出所述分類(lèi)結(jié)果；以及

基于所述分類(lèi)結(jié)果判斷是否喚醒目標(biāo)設(shè)備。

2.根據(jù)權(quán)利要求1所述的語(yǔ)音喚醒方法，其中，所述特征提取層包括預(yù)處理層、第一特征提取層以及第二特征提取層。

3.根據(jù)權(quán)利要求2所述的語(yǔ)音喚醒方法，其中，所述通過(guò)所述特征提取層對(duì)所述語(yǔ)音信號(hào)進(jìn)行特征提取，得到脈沖序列包括：

使用所述預(yù)處理層對(duì)所述語(yǔ)音信號(hào)進(jìn)行預(yù)處理，得到時(shí)域信號(hào)；

使用所述第一特征提取層對(duì)所述時(shí)域信號(hào)進(jìn)行特征提取，得到梅爾頻率信息；以及

使用所述第二特征提取層對(duì)所述梅爾頻率信息進(jìn)行特征提取，得到所述脈沖序列。

4.根據(jù)權(quán)利要求3所述的語(yǔ)音喚醒方法，其中，所述使用所述預(yù)處理層對(duì)所述語(yǔ)音信號(hào)進(jìn)行預(yù)處理，得到時(shí)域信號(hào)包括：

采用一階類(lèi)高通濾波器對(duì)所述語(yǔ)音信號(hào)進(jìn)行預(yù)加重處理，以提高所述語(yǔ)音信號(hào)中的高頻部分；以及

在所述預(yù)加重處理之后，對(duì)所述語(yǔ)音信號(hào)進(jìn)行分幀，得到語(yǔ)音信號(hào)幀，使用窗函數(shù)對(duì)所述語(yǔ)音信號(hào)幀加窗處理，得到所述時(shí)域信號(hào)。

5.根據(jù)權(quán)利要求4所述的語(yǔ)音喚醒方法，其中，所述使用所述第一特征提取層對(duì)所述時(shí)域信號(hào)進(jìn)行特征提取，得到梅爾頻率信息包括：

獲取所述時(shí)域信號(hào)，對(duì)所述時(shí)域信號(hào)與所述窗函數(shù)的乘積進(jìn)行短時(shí)傅里葉變換，以將所述時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)；

將所述頻域信號(hào)在時(shí)間上進(jìn)行堆疊，以生成頻譜圖，其中，所述頻譜圖包含頻率信息；以及

將至少一個(gè)梅爾濾波器組應(yīng)用于所述頻譜圖中，以將所述頻譜圖中的頻率信息轉(zhuǎn)換為梅爾頻率信息。

6.根據(jù)權(quán)利要求5所述的語(yǔ)音喚醒方法，其中，所述使用所述第一特征提取層對(duì)所述時(shí)域信號(hào)進(jìn)行特征提取，得到梅爾頻率信息還包括：

得到所述梅爾頻率信息后，計(jì)算所述至少一個(gè)梅爾濾波器組中的每一個(gè)輸出的對(duì)數(shù)能量。

7.根據(jù)權(quán)利要求5所述的語(yǔ)音喚醒方法，其中，所述使用所述第二特征提取層對(duì)所述梅爾頻率信息進(jìn)行特征提取，得到所述脈沖序列包括：

通過(guò)時(shí)滯編碼方式對(duì)所述梅爾頻率信息進(jìn)行編碼，以將所述梅爾頻率轉(zhuǎn)換為脈沖信息；以及

通過(guò)K-SVD算法獲得所述脈沖信息的字典，計(jì)算所述脈沖信息局部信息與所述字典之間的距離，通過(guò)所述距離確定最佳匹配碼本，通過(guò)所述最佳匹配碼本將所述脈沖信息轉(zhuǎn)換為所述脈沖序列。

8.根據(jù)權(quán)利要求1所述的語(yǔ)音喚醒方法，其中，所述基于所述分類(lèi)結(jié)果判斷是否喚醒目標(biāo)設(shè)備包括：

若所述分類(lèi)結(jié)果與多個(gè)預(yù)設(shè)關(guān)鍵詞中的至少一個(gè)屬于同一類(lèi)別，則喚醒所述目標(biāo)設(shè)備；以及

若所述分類(lèi)結(jié)果與多個(gè)預(yù)設(shè)關(guān)鍵詞中每一個(gè)屬于不同類(lèi)別，則不喚醒所述目標(biāo)設(shè)備。

9.根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的語(yǔ)音喚醒方法，其中，在所述獲取語(yǔ)音信號(hào)之前，所述喚醒方法還包括：

采用端點(diǎn)檢測(cè)方法檢測(cè)接收的聲波信號(hào)，確定所述聲波信號(hào)中包含語(yǔ)音內(nèi)容的開(kāi)始點(diǎn)和結(jié)束點(diǎn)，并對(duì)非語(yǔ)音內(nèi)容進(jìn)行刪除，得到所述語(yǔ)音信號(hào)。

10.根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的語(yǔ)音喚醒方法，其中，所述學(xué)習(xí)分類(lèi)層通過(guò)Tempotron算法對(duì)所述脈沖序列進(jìn)行分類(lèi)。