[发明专利]一种基于卷积神经网络的言语置信度评测方法

权利要求书

1.一种基于卷积神经网络的言语置信度评测方法，其特征在于包括以下步骤：

1)计算语音样本特征：获得梅尔倒谱系数图像特征，具体包括：

1-1)以22050Hz的采样频率对语音样本进行重采样；

1-2)以50％的重叠率进行分帧，将每个样本分为若干个由43帧，每帧23毫秒组成的片段；

1-3)利用60个梅尔带宽的梅尔滤波器组提取每个语音片段的对数梅尔倒谱系数，构成尺寸为60×43的单通道梅尔倒谱系数图像特征；

2)构建多层混合卷积神经网络，采用如下特殊结构：

2-1)网络前三层为卷积层，使用尺寸不同的卷积滤波器，滤波器参数在该层共享，每层卷积层均后接池化层，进行维度为2的特征图降维；第一层卷积层的卷积滤波器尺寸为3×2，第二层为2×3，第三层为2×2；对输入进行卷积操作，从而得到各个卷积层独有的特征图其中，F^l为所述该层的特征图，l表示层数，K^l表示第l层卷积层的卷积核，I^l表示该层的输入，i,j为第l层特征图中的特征点位置，m,n表示第l层卷积核的尺寸；

2-2)网络第四层为聚合层，通过将前三层卷积层的特征图展平得到其中，c表示该卷积层所使用的卷积滤波器数量；将进行聚合，得到全局特征图

2-3)网络第五层与第六层均为全连层，每层均由2048个线性修正单元组成；

3)言语置信度分析与评测：将梅尔倒谱系数图像特征输入构建的卷积神经网络，进行言语置信度评测。

2.根据权利要求1所述的一种基于卷积神经网络的言语置信度评测方法，其特征在于，所述言语置信度评测方法包括以下步骤：

1)将提取出的语音样本的梅尔倒谱系数图像特征输入卷积神经网络；

2)计算第六层的2048维输出向量的后验贝叶斯概率分布；

3)选择分布中最大的概率，则该概率所属类别即为网络对待识别样本的置信度评测结果。