[发明专利]一种基于时延神经网络的声控设备唤醒词识别方法及装置

说明书

本发明公开了一种基于时延神经网络的声控设备唤醒词识别方法及装置，其中，本发明的一种基于时延神经网络的声控设备唤醒词识别方法，包括：对待识别的语音数据进行多维Fbank特征提取，将提取到的多维Fbank特征送入预先训练好的唤醒词识别模型中进行识别，并输出识别结果，判断识别结果中的唤醒词的后验概率是否大于预设阈值，若是，则确认待识别的语音数据中包括唤醒词。因为相比传统的神经网络大大减少了需要计算的数据量，且识别模型只需要对唤醒词进行精准识别和训练，故而具有判断准确率高且识别速度快的优点，能够有效提高用户体验，使用户说出唤醒词会能够快速唤醒声控设备，防止因唤醒失败或唤醒速度慢降低用户体验。

技术领域

本发明涉及语音识别技术领域，特别是涉及一种基于时延神经网络的声控设备唤醒词识别方法及装置。

背景技术

随着科技的发展，语音唤醒技术在声控设备或具备人机语音交互的设备中的应用越来越广泛，允许用户与电子设备之间无需手动交互，用户可以通过说出唤醒词，即可激活声控设备或具备人机语音交互的设备中相应的处理模块。

为了提高唤醒词唤醒声控设备或具备人机语音交互的设备成功率以及设备的响应速度，人们研究了利用全连接神经网络、卷积神经网络(CNNs)和循环神经网路(RNNs)相结合来实现语音唤醒算法，人们也研究了RNN和CNN相结合的算法，甚至研究了TDNN+HMM(其中TDNN具体指Time-Delay Neural Network,时延神经网络,HMM具体指Hidden MarkovModel，隐马尔科夫模型)相结合的算法。

但是这些方法中都需要涉及几种不同的神经网络模型,其结构复杂且计算量大，故而上述的神经网络模型难以同时提高唤醒词唤醒设备的成功率及响应速度。

发明内容

本发明主要解决的技术问题是提供一种基于时延神经网络的声控设备唤醒词识别方法及装置，能够解决传统的神经网络模型难以同时提高唤醒词唤醒设备的成功率及响应速度的问题。

为解决上述技术问题，本发明的采用的一个技术方案是：提供一种基于时延神经网络的声控设备唤醒词识别方法，包括：

对待识别的语音数据进行多维Fbank特征提取；

将提取到的所述多维Fbank特征送入预先训练好的唤醒词识别模型中进行识别，并输出识别结果；

判断所述识别结果中的唤醒词的后验概率是否大于预设阈值，若是，则确认所述待识别的语音数据中包括唤醒词；

其中，所述唤醒词识别模型由作为第一层的音素-时延神经网络与作为第二层词-时延神经网络相连接后经训练得到。

其中，所述唤醒词识别模型由作为第一层的音素-时延神经网络的输出层与作为第二层词-时延神经网络输入层相连接后经训练得到。

其中，所述唤醒词识别模型由作为第一层的音素-时延神经网络与作为第二层词-时延神经网络相连接后经训练得到，还包括：

从标记有唤醒词的样本语音提取多维Fbank特征；

将提取到的所述多维Fbank特征输入所述所述唤醒词识别模型中进行训练；

达到预设的epoch迭代轮数时停止训练。

其中，所述对所述待识别的语音数据进行多维Fbank特征提取，还包括：

对所述待识别的语音数据进行分帧处理，每帧的帧长范围为10ms～40ms,帧与帧之间的帧移为0ms～20ms，共提取40～100帧语音信号；

对每一帧的所述语音信号进行多维Fbank特征提取。

其中，所述对所述待识别的语音数据进行分帧处理，每帧的帧长范围为10ms～40ms,帧与帧之间的帧移为0ms～20ms，共提取40～100帧语音信号，还包括：