[发明专利]利用周期指示的声音识别

权利要求书

1.一种用于声音识别的计算机实现的方法，包括：

由处理器获取音频信号数据的频谱；

由处理器从所述频谱中提取周期性指示；

由处理器将所述周期性指示和所述频谱的分量输入神经网络；以及

由处理器估计来自所述神经网络的声音识别信息，

其中所述神经网络包括多个完全连接的网络层，第一层包括多个第一节点和多个第二节点，以及在训练之前，所述第一节点与对应于所述周期性指示的多个输入节点之间的权重为0，通过初始地将所述周期性指示与所述第一层中的所述频谱的所述分量隔离来训练所述神经网络。

2.如权利要求1所述的方法，其中所述估计声音识别包括识别音素信息。

3.如权利要求1所述的方法，其中，所述周期性指示表示在频谱中周期性地出现的频谱的波动。

4.如权利要求1所述的方法，其中，所述周期性指示表示所述音频信号数据的谐波结构。

5.如权利要求1所述的方法，还包括在所述输入神经网络之前归一化所述周期性指示。

6.如权利要求5所述的方法，其中，所述归一化周期性指示包括在所述周期性指示中维持多个频带中的度量标准。

7.如权利要求6所述的方法，其中，所述归一化周期性指示是基于sigmoid标准化或最大方差标准化。

8.如权利要求1所述的方法，其中，所述频谱的分量包括与所述频谱中的多个频带中的所述音频信号数据的功率有关的值。

9.根据权利要求8所述的方法，其中，将所述周期性指示和所述频谱的分量输入神经网络进一步包括：输入所述频谱中的所述多个频带中与所述音频信号数据的功率相关的所述值的关于时间的第一导数和第二导数。

10.如权利要求1所述的方法，其中，所述神经网络是卷积神经网络或深度神经网络。

11.如权利要求10所述的方法，其中，所述输入神经网络包括将周期性指示和频谱的分量输入到所述神经网络的第一层。

12.如权利要求10所述的方法，其中所述输入神经网络中包括将所述周期性指示输入到所述神经网络的第二层或后续层中。

13.根据权利要求12所述的方法，其中，所述神经网络是卷积神经网络，并且所述卷积神经网络包括一个或多个卷积神经网络层，以及

其中所述输入神经网络还包括将所述周期性指示输入到一个或多个卷积神经网络层下游的层中。

14.如权利要求12所述的计算机实现的方法，还包括输入所述神经网络之前，通过减少所述周期性指示维度数来压缩所述周期性指示。

15.如权利要求10所述的方法，还包括在输入所述神经网络之前对所述周期性指示进行Mel滤波。

16.一种计算机可读存储介质，其上存储有与其一起实施的指令，所述指令可由处理器或可编程电路执行以使所述处理器或可编程电路执行包括权利要求1至15中任一项的方法。

17.一种用于声音识别的装置，包括：

处理器；以及

一个或多个计算机可读介质，共同包括当由处理器执行时使处理器执行权利要求1至15中任一项的方法的指令。