[发明专利]一种声学模型的数据处理方法在审
| 申请号： | 201810702540.2 | 申请日： | 2018-06-30 |
| 公开（公告）号： | CN108630199A | 公开（公告）日： | 2018-10-09 |
| 发明（设计）人： | 屈丹;龙星延;张文林;张连海;陈琦;闫红刚;杨绪魁;牛铜;李真 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G10L15/06 | 分类号： | G10L15/06;G10L15/16;G10L15/02 |
| 代理公司： | 郑州大通专利商标代理有限公司 41111 | 代理人： | 陈勇 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 高层特征 声学模型 语音特征 数据处理 音素 编码网络 后验概率 解码网络 目标向量 语音 注意力 预处理 语音特征提取 语音特征序列 准确度 网络 参数训练 概率序列 计算目标 对齐 向量 输出 压缩 | ||
本发明提供一种声学模型的数据处理方法。该声学模型包括编码网络、注意力网络和解码网络，数据处理方法包括：步骤1、编码网络对语音特征序列(x1,x2,...,xT)进行编码得到高层特征序列(h1,h2,...,hT)，xT表示待识别语音经过语音特征提取预处理后在T时刻的语音特征，hT表示所述语音特征xT在T时刻的高层特征；步骤2、注意力网络根据高层特征序列(h1,h2,...,hT)计算目标向量，目标向量用于对所述高层特征序列(h1,h2,...,hT)进行压缩；步骤3、解码网络根据高层特征序列(h1,h2,...,hT)和目标向量计算待识别语音每个位置上所有音素的后验概率以得到概率序列(y1,y2,...,yO)，yO表示待识别语音经解码网络输出后在位置o上所有音素的后验概率。本发明能够减少参数训练规模，提升训练速度以及提升音素和语音特征对齐的准确度。
技术领域
本发明涉及语音识别技术领域，尤其涉及一种声学模型的数据处理方法。
背景技术
现有的声学模型存在参数规模大、训练耗时极为严峻的问题；此外，现有的声学模型还存在语音特征序列中因存在相同音素而导致的音素和语音特征对齐不准确的问题。为了解决上述问题，亟需一种方法来构建一个新的声学模型能够迅速而准确地对语音进行识别。
发明内容
为解决现有技术中存在的问题，本发明提供一种声学模型的数据处理方法，该处理方法能够减少参数训练规模，提升训练速度以及提升音素和语音特征对齐的准确度，进而提升语音识别的准确性。
本发明提供一种声学模型的数据处理方法，该声学模型包括：编码网络、注意力网络和解码网络，该数据处理方法包括：
步骤1、所述编码网络对语音特征序列(x1,x2,...,xT)进行编码得到高层特征序列(h1,h2,...,hT)，xT表示待识别语音经过语音特征提取预处理后在T时刻的语音特征，hT表示所述语音特征xT在T时刻的高层特征；
步骤2、所述注意力网络根据高层特征序列(h1,h2,...,hT)计算目标向量，所述目标向量用于对所述高层特征序列(h1,h2,...,hT)进行压缩；
步骤3、所述解码网络根据所述高层特征序列(h1,h2,...,hT)和所述目标向量计算待识别语音每个位置上所有音素的后验概率以得到概率序列(y1,y2,...,yO)，yO表示待识别语音经所述解码网络输出后在位置o上所有音素的后验概率。
其中，所述编码网络包括前向网络和后向网络，所述前向网络和所述后向网络均由基于最少门单元MGU结构的多层循环神经网络组成。
进一步地，所述解码网络由基于MGU的循环神经网络和maxout网络串联组成。
进一步地，所述步骤1具体包括：
步骤11、所述前向网络根据下式
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810702540.2/2.html，转载请声明来源钻瓜专利网。
