[发明专利]基于改进型胶囊网络的语音数据分类方法

说明书

本发明公开了一种基于改进型胶囊网络的语音数据分类方法，首先在训练阶段，构造胶囊网络的编码器，对初始语音音素数据进行编码得到初级胶囊；构造胶囊网络的动态路由结构，将初级胶囊中的信息传递给高级胶囊；以每个高级胶囊的长度的softmax激活值表征初始语音音素数据属于对应类别的概率；然后构造胶囊网络的解码器，将真实音素符号对应的高级胶囊进行解码重构；基于总损失函数对胶囊网络的参数进行优化；在测试阶段，将初始语音音素数据输入胶囊网络的编码器中，判断待测试数据的所属类别。本发明实现对语音音素的时序信号所对应的音速符号的精准识别，解决按照理论知识直接提取的特征准确度低、语音数据分类效果差以及过拟合的技术问题。

技术领域

本发明属于分类处理及深度学习技术领域，具体涉及一种基于改进型胶囊网络的语音数据分类方法。

背景技术

语音数据是现代信息数据的重要处理内容，每一帧语音数据都可以用特征参数来描绘，比如共振峰有关参数，即一帧语音数据的共振峰频率(第一维)、带宽(第二维)、能量频谱倾斜(第三维)等，以上是基于研究人员经验积累、按照理论知识直接提取出来的多维特征。然而这样的工作计算量非常大，并且需要大量的尝试以及创新。近几年崛起的深度学习方法集特征提取和特征的分类于一体，具有非常强大的特征自组织以及特征抽象能力，能够帮助研究人员减轻在语音数据特征的设计上投入的时间和精力。卷积神经网络目前已经在图像的分类识别方面取得了巨大的成就，但是由于语音数据和图像数据存在一定的差异，卷积神经网络并不适合直接处理语音数据。

发明内容

本发明的目的在于，提出一种基于改进型胶囊网络的语音数据分类方法，实现对语音音素的时序信号所对应的音速符号的精准识别，解决现有技术中按照理论知识直接提取的语音特征准确度低、语音数据分类效果差以及过拟合的技术问题。

本发明采用如下技术方案，一种基于改进型胶囊网络的语音数据分类方法，具体包括：

训练阶段：

1)构造胶囊网络的编码器，具体为，

11)利用神经网络的前向传播算法对初始语音音素数据进行编码，得到初级胶囊；

12)构造胶囊网络的动态路由结构，将初级胶囊中的信息传递给高级胶囊；

13)以每个高级胶囊的长度的softmax激活值表征初始语音音素数据属于对应类别的概率；

2)构造胶囊网络的解码器，将真实音素符号对应的高级胶囊进行解码重构；

3)基于预设的损失函数得到总损失，对胶囊网络的参数进行优化，最小化总损失；

测试阶段：

4)将待测试的初始语音音素数据输入胶囊网络的编码器中，根据所有高级胶囊长度的softmax激活值判断待测试的初始语音音素数据的所属类别。

优选地，所述初始语音音素数据是通过原始语音数据经过预处理得到，具体包括以下步骤：

A.对原始语音进行带通滤波平滑处理，去除毛刺噪声点；

B.对滤波后的语音信号进行分帧处理；

C.对分帧后的每一帧语音信号进行特征提取，选取w个特征作为每一帧的w维特征向量；

D.对每一帧的w维特征向量进行归一化处理得到初始语音音素数据，即将每一帧的w维特征向量按维度除以一个归一化因子，所述归一化因子是一个w维向量l_norm。

优选地，所述步骤11)中所述编码方法具体为全连接网络的编码、二维卷积网络的编码或者混合型编码。

优选地，所述步骤11)利用混合型编码得到初级胶囊的具体步骤为：