[发明专利]一种年龄增强的语音识别增强方法和装置

权利要求书

1.一种年龄增强的语音识别增强方法和装置，其特征在于：本装置主要由语音分帧模块、类别标记模块、年龄段编码向量模块和语音识别系统训练模块构成；本装置需预设对训练数据分帧进行发音类别标记，标记对应的年龄段，然后将获取的年龄端编码为向量加入到语音识别系统训练模块中去，获取语音识别引擎；在语音识别系统训练模块获取了年龄向量后，即可进行语音识别引擎训练，具体流程如下：

输入向量：输入向量分为语音特征向量和年龄向量；语音特征向量为40维的Fbank特征，考虑到上下文相关，使用11帧的对称窗口，并做LDA降维至200维，年龄向量即为年龄段编码向量模块中获取的向量；

网络结构：4层隐含层，每层1200个结点，输出层对应GMM的个数，为7552个结点；

模型训练：交叉熵作为训练的评判标准，训练中采用随机梯度下降法。

2.根据权利要求1所述的一种年龄增强的语音识别增强方法和装置，其特征是：所述语音分帧模块主要将整段的语音进行切分一帧帧语音，现成一个序列，用s表示s＝{s1,s2,….,sN}，其中s表示一段语音，s1表示一帧语音，N为总帧数。

3.根据权利要求1所述的一种年龄增强的语音识别增强方法和装置，其特征是：所述类别标记模块主要将上一模块的切分的语音帧进行标记，现成待标记的语音片段，用l表示，l_s表示对语音端s进行标记，l_s＝{l_s_1,l_s_2,…,l_s_N},其中l_s_1表示对语音帧s1进行标记。L_s_n的值为年龄段，举例，如年龄段为3-7岁，8-12岁，14-18岁，19-30岁等，则l_s_n的值为其中一个。

4.根据权利要求1所述的一种年龄增强的语音识别增强方法和装置，其特征是：所述年龄段编码向量模块主要是将年龄段进行编码，从而形成年龄向量方便神经网络输入，具体编码流程如下：

年龄段编码映射，将年龄段分为M端，则形成一个M维的向量来表示年龄向量，即：

E1＝{1,0,0,0….},E2＝{0,1,0,0,..},E_M＝{0,0,…,0,1},采取0-1编码的方式；

获取语音帧年龄向量，将年龄段编码向量模块中的语音年龄段标注与年龄向量映射，即可获取每个语音帧对应的向量。