[发明专利]语音音素的识别方法及装置

权利要求书

1.一种语音音素的识别方法，其特征在于，包括：

将待识别语音输入音素识别模型，并根据输出结果得到所述待识别语音对应的预期结果，其中，所述音素识别模型通过多种神经网络型模型及隐马尔可夫模型识别所述待识别语音中的各个音素；

根据所述预期结果训练所述音素识别模型中的模型参数，直到所述音素模型输出结果的变化率小于预设阈值；

确定所述变化率小于所述预设阈值的输出结果作为所述待识别语音对应的最终音素识别结果；

在将待识别语音输入音素识别模型之前，所述方法还包括：

构建所述音素识别模型；

所述构建所述音素识别模型，包括：

构建卷积神经网络CNN以及预设数量层数的长短期记忆网络LSTM；

添加深度神经网络DNN以及隐马尔可夫模型HMM；

利用所述卷积神经网络CNN、所述长短期记忆网络LSTM、深度神经网络DNN以及所述隐马尔可夫模型HMM构建所述音素识别模型，并为所述音素识别模型赋初始化值，其中，所述卷积神经网络CNN作为所述待识别语音的输入端，所述深度神经网络DNN作为所述待识别语音的输出端；

根据输出结果得到所述待识别语音对应的预期结果包括：

将所述待识别语音输入所述卷积神经网络CNN，对所述待识别语音进行降噪处理；

将降噪后的所述待识别语音输入所述预设数量层数的长短期记忆网络LSTM，对所述待识别语音进行拟合，其中，长短期记忆网络LSTM通过激活遗忘门将无效音素过滤，通过激活记忆门将有效音素保留；

将经过拟合后的待识别语音输入到所述深度神经网络DNN；

将所述输出的各个时刻中音素以及对应的概率作为可见观测序列，记录于所述隐马尔可夫模型HMM中概率输出矩阵中；

根据所述概率输出矩阵以及前向算法，进行计算得到第一矩阵；且根据所述概率输出矩阵以及后向算法，进行计算得到第二矩阵；

根据所述第一矩阵及所述第二矩阵，计算各个音素对应的最大似然，并记录到第三矩阵中；

对所述第三矩阵进行解码，获取各个音素的最大似然值，以得到所述预期结果。

2.根据权利要求1所述的方法，其特征在于，根据所述预期结果训练所述音素识别模型中的模型参数，直到所述音素模型输出结果的变化率小于预设阈值包括：

根据所述预期结果，从所述音素模型的输出端开始，逐层对每个音素执行梯度下降的求导运算；

根据所述求导运算，调整各个音素中在所述音素识别模型的神经元参数，直到所述音素模型输出结果的变化率小于所述预设阈值。