[發明專利]基于DTW和GMM的短詞句語音識別方法及系統

有效

• 申請號: 202110591145.3
• 申請日: 2021-05-28
• 公開（公告）號: CN113112999B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 陸成剛;王慶月;謝濤
• 申請（專利權）人: 寧夏理工學院
• 主分類號: G10L15/12
• 分類號: G10L15/12;G10L15/14;G10L15/22
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種基于DTW和GMM的短詞句語音識別方法，其特征在于，包括：

獲取當前階段采集的語音音頻數據；

根據所述當前階段采集的語音音頻數據、內置DTW距離的高斯混合模型以及語音音頻數據庫，確定所述當前階段采集的語音音頻數據對應的識別結果；

其中，所述語音音頻數據庫包括n個短詞句，所述內置DTW距離的高斯混合模型包括K支高斯模型，且K＝n；所述內置DTW距離的高斯混合模型是根據所述語音音頻數據庫、DTW算法和高斯混合模型構建的；

所述內置DTW距離的高斯混合模型的構建過程為：

步驟一：對高斯混合模型中的參數α_k,u_k,σ_k進行初始化；其中，α_k表示高斯混合模型中第k支高斯模型的權重系數，u_k表示高斯混合模型中第k支高斯模型的中心矢量，σ_k表示高斯混合模型中第k支高斯模型的方差；

步驟二：根據公式計算語音音頻數據x_j屬于第k支高斯模型的概率γ_jk；其中，d_DTW(x_j,u_k)表示語音音頻數據x_j與參數u_k間的DTW距離；j＝1,2,...,N；

步驟三：根據所述概率γ_jk更新參數α_k,u_k,σ_k；

步驟四：重復步驟二和步驟三，并當步驟三輸出的更新后的參數α_k,u_k,σ_k收斂時，停止參數更新，進而得到內置DTW距離的高斯混合模型；

所述根據所述當前階段采集的語音音頻數據、內置DTW距離的高斯混合模型以及語音音頻數據庫，確定所述當前階段采集的語音音頻數據對應的識別結果，具體包括：

根據所述當前階段采集的語音音頻數據和內置DTW距離的高斯混合模型，計算所述當前階段采集的語音音頻數據屬于第k支高斯模型的概率值，進而得到K個概率值；其中，k＝1,2,...,K；

確定K個所述概率值中的最大概率值，并將所述最大概率值對應的高斯模型確定為選中高斯模型；

將所述選中高斯模型對應的短詞句確定為所述當前階段采集的語音音頻數據的識別結果；其中，一個所述高斯模型對應一個所述短詞句，且不同的所述高斯模型對應不同的所述短詞句。

2.根據權利要求1所述的一種基于DTW和GMM的短詞句語音識別方法，其特征在于，在確定所述內置DTW距離的高斯混合模型的構建過程之前，還包括：構建內存儲有不同長度短詞句的語音音頻數據庫；所述語音音頻數據庫包括N個語音音頻數據，且每個所述短詞句對應m個語音音頻數據，N＝n*m。

3.根據權利要求1所述的一種基于DTW和GMM的短詞句語音識別方法，其特征在于，所述根據所述概率γ_jk更新參數α_k,u_k,σ_k，具體包括：

確定更新后的參數u_k；

根據公式確定更新后的參數σ_k；其中，公式中的u_k為更新后的參數u_k；

根據公式確定更新后的參數α_k。