[发明专利]非特定人孤立词的模型训练方法、识别系统及识别方法

权利要求书

1.一种非特定人孤立词的模型训练方法，包括使用动态时间规整算法获取非特定人孤立词的多个训练模型的步骤，其特征在于，还包括：

中心训练模型获取步骤，将非特定人孤立词的多个训练模型合并为非特定人孤立词的中心训练模型。

2.根据权利要求1所述的非特定人孤立词的模型训练方法，其特征在于，所述中心训练模型获取步骤具体包括：

步骤A1，使用动态时间规整算法对非特定人孤立词的多个训练模型进行两两匹配，并计算每个训练模型与所有训练模型的相似度；

步骤A2，计算每个训练模型对应的一组相似度的平均值；

步骤A3，将其他的训练模型利用动态时间规整算法回溯归并到最小相似度平均值所对应的训练模型；

步骤A4，对归并后的训练模型求平均后得到非特定人孤立词对应的中心训练模型。

3.一种非特定人孤立词的识别方法，包括实时语音接收步骤和语音特征值提取步骤，其特征在于，还包括：

识别步骤，根据非特定人孤立词的中心训练模型和特征值数据进行识别处理，获取非特定人孤立词与中心训练模型的相似度；

识别结果选择步骤，将最小的相似度对应的中心训练模型作为最终识别结果输出；

所述非特定人孤立词的中心训练模型由利用动态时间规整算法获取的非特定人孤立词的多个训练模型合并得到。

4.根据权利要求3所述的非特定人孤立词的识别方法，其特征在于，所述中心训练模型具体根据以下方法获取：

步骤A1，使用动态时间规整算法对非特定人孤立词的多个训练模型进行两两匹配，并计算每个训练模型与所有训练模型的相似度；

步骤A2，计算每个训练模型对应的一组相似度的平均值；

步骤A3，将其他的训练模型利用动态时间规整算法回溯归并到最小相似度平均值所对应的训练模型；

步骤A4，对归并后的训练模型求平均后得到非特定人孤立词对应的中心训练模型。

5.根据权利要求3或4所述的非特定人孤立词的识别方法，其特征在于，识别步骤和识别结果选择步骤之间还包括：

识别结果筛选步骤，判断识别结果得分是否大于或等于拒识阈值，如果是进入识别结果选择步骤，否则识别为集外词。

6.根据权利要求3或4所述的非特定人孤立词的识别方法，其特征在于，实时语音接收步骤中根据过零率和能量判断是否有声音输入。

7.根据权利要求3或4所述的非特定人孤立词的识别方法，其特征在于，所述识别步骤中，搜索区域为距离阵与距离阵的对角线向两边平移一定距离后所形成的区域的重叠部分。

8.根据权利要求7所述的非特定人孤立词的识别方法，其特征在于，所述识别步骤中，匹配路径的起始点位于搜索区域的任意一条边。

9.根据权利要求3或4所述的非特定人孤立词的识别方法，其特征在于，所述识别步骤中，选择帧长在待测试语音帧的帧长的一半和两倍之间的中心训练模型进行识别处理。

10.根据权利要求3或4所述的非特定人孤立词的识别方法，其特征在于，识别结果选择步骤之后还包括：

识别结果处理步骤，根据最终识别结果执行相应处理程序。

11.利用权利要求1获取的中心训练模型的非特定人孤立词识别系统，包括实时语音接收模块和语音特征值提取模块，其特征在于，还包括：

识别模块，用于结合非特定人孤立词的中心训练模型和特征值数据进行识别处理，获取非特定人孤立词与中心训练模型的相似度，并将最小的相似度对应的中心训练模型作为最终识别结果输出。

12.根据权利要求11所述的非特定人孤立词的识别系统，其特征在于，所述识别模块还用于将识别结果得分小于拒识阈值的语音数据识别为集外词。

13.根据权利要求11或12所述的非特定人孤立词的识别系统，其特征在于：

所述实时语音接收模块用于将外界的声音以单个词的形式采集；

所述语音特征值提取模块用于从采集到的原始声音数据中获取特征值数据。