[发明专利]一种应用于电力调度领域的语音识别方法及装置

权利要求书

1.一种应用于电力调度领域的语音识别方法，其特征在于，包括：

获取电力调度领域的待识别语音的功率归一化倒谱系数特征和说话人特征；

将所述功率归一化倒谱系数特征输入至预设神经网络模型中的卷积神经网络，得到新的特征；

将所述新的特征、所述功率归一化倒谱系数特征和所述说话人特征进行拼接，得到混合特征；

将所述混合特征输入至所述预设神经网络模型中的若干组交替设置的时间延迟神经网络和双向长短期记忆循环神经网络，得到词序列集合针对所述待识别语音特征的后验概率；

根据所述后验概率结合语言模型对所述待识别语音进行解码，得到识别出的词序列；

其中，所述预设神经网络模型是根据电力调度领域的多个语音样本进行训练后得到的；

所述语言模型是根据电力调度领域的文本采用N-GRAM模型训练后得到的。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络中包括若干个卷积层，所述时间延迟神经网络中包括若干个时间延迟层，所述双向长短期记忆循环神经网络中包括若干个长短期记忆循环层。

3.根据权利要求1所述的方法，其特征在于，将所述功率归一化倒谱系数特征输入至预设神经网络模型中的卷积神经网络，之前还包括：

获取电力调度领域的多个语音样本；

通过所述多个语音样本对所述预设神经网络模型进行训练。

4.根据权利要求3所述的方法，其特征在于，获取电力调度领域的多个语音样本，包括：

获取电力调度领域的文本材料；

对获取到的文本材料进行去重操作；

通过多人对去重操作后的文本材料进行阅读录音，得到多声音频率段的电力调度领域的多个语音样本。

5.根据权利要求3所述的方法，其特征在于，通过所述多个语音样本对所述预设神经网络模型进行训练，包括：

对于任意一个语音样本，将所述语音样本的功率归一化倒谱系数特征输入至预设神经网络模型中的卷积神经网络，得到新的特征；

将所述新的特征、所述功率归一化倒谱系数特征和所述语音样本的说话人特征进行拼接，得到混合特征；

将所述混合特征输入至所述预设神经网络模型中的若干组交替设置的时间延迟神经网络和双向长短期记忆循环神经网络，得到词序列集合针对所述语音样本特征的后验概率；

根据所述后验概率结合语言模型对所述语音样本进行解码，得到识别出的词序列；

将所述识别出的词序列与所述语音样本输入至损失函数，根据所述损失函数的输出结果对所述预设神经网络模型进行前向反馈或判定所述预设神经网络模型训练完成。

6.一种应用于电力调度领域的语音识别装置，其特征在于，包括：

特征获取模块，用于获取电力调度领域的待识别语音的功率归一化倒谱系数特征和说话人特征；

第一输入模块，用于将所述功率归一化倒谱系数特征输入至预设神经网络模型中的卷积神经网络，得到新的特征；

拼接模块，用于将所述新的特征、所述功率归一化倒谱系数特征和所述说话人特征进行拼接，得到混合特征；

第二输入模块，用于将所述混合特征输入至所述预设神经网络模型中的若干组交替设置的时间延迟神经网络和双向长短期记忆循环神经网络，得到词序列集合针对所述待识别语音特征的后验概率；

识别模块，用于根据所述后验概率结合语言模型对所述待识别语音进行解码，得到识别出的词序列；

其中，所述预设神经网络模型是根据多个电力调度领域的语音样本进行训练后得到的；

所述语言模型是根据电力调度领域的文本采用N-GRAM模型训练后得到的。

7.根据权利要求6所述的装置，其特征在于，还包括：

语音样本获取模块，用于获取电力调度领域的多个语音样本；

训练模块，用于通过所述多个语音样本对所述预设神经网络模型进行训练。