[发明专利]一种面向家居口语环境的神经网络语音识别方法及系统

说明书

本发明公开了一种面向家居口语环境的神经网络语音识别方法及系统，该方法包括：模型构建：在深度神经网络中加入长短期记忆网络，构建组合神经网络DNN‑LSTM模型；对采集的语音数据集预处理，得到特征向量集，并将特征向量集作为所述DNN‑LSTM模型的输入进行迭代训练，训练至最优声学模型；将一个未知语种的输入语音信号，经过训练后的DNN‑LSTM模型，分别得到中文输出概率向量集和英文输出概率向量集；根据所述中文输出概率向量集和英文输出概率向量集进行语种匹配，并输出判断结果；本发明能够快速准确的识别家居场景下说话人的内容，可以广泛应用于实际家居场景。

技术领域

本发明属于智能识别技术领域，具体涉及一种面向家居口语环境的神经网络语音识别方法及系统。

背景技术

语音识别研究的重点对象是语音，将语音信号转换成可由计算机所识别的信息，从而识别说话人的语音命令及文字内容。语音识别的方法基本可以分为三种：基于语言学和声学、模型匹配和神经网络三种方法。第一种方法虽然出现较早，但由于其模型复杂的局限性，还没到达较为实用的阶段；第二种方法中应用较多的是隐马尔可夫模型，可用于标注问题的概率模型，并呈现出该模型随机生成观测序列，使语音识别技术得到很大的提升。第三种方法使用浅层神经网络学习训练容易造成梯度不稳定，并且人工提取样本特征费时费力，识别效果不是很好。在传统的语音识别系统中，GMM-HMM的声学建模方法在实际中是应用最广泛的，但是在家居环境下处理一些复杂的语音信号问题时，传统模型的应用场景就显得比较单一。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种面向家居口语环境的神经网络语音识别方法，该方法可以解决语音识别率低以及识别效率差的问题，本发明还提供一种面向家居口语环境的神经网络语音识别系统。

技术方案：一方面，本发明所述的面向家居口语环境的神经网络语音识别方法，该方法包括：

模型构建：在深度神经网络中加入长短期记忆网络，构建组合神经网络DNN-LSTM模型；

模型训练：

中文语音数据训练：对采集的中文语音数据集预处理，得到中文特征向量集，并将所述中文特征向量集作为所述DNN-LSTM模型的输入进行迭代训练，训练至最优中文声学模型；

英文语音数据训练：对采集的英文语音数据集预处理，得到英文特征向量集，并将所述英文特征向量集作为所述DNN-LSTM模型的输入进行迭代训练，训练至最优英文声学模型；

模型测试：

将一个未知语种的输入语音信号voice0，分别经过所述中文声学模型和所述英文声学模型，分别得到中文输出概率向量集和英文输出概率向量集；

根据所述中文输出概率向量集和英文输出概率向量集进行语种匹配，并输出判断结果。

进一步地，包括：

所述组合神经网络DNN-LSTM模型包括输入层、长短期记忆网络、第二隐藏层、第三隐藏层、第四隐藏层和输出层，所述长短期记忆网络作为第一隐藏层。

进一步地，包括：

所述第一隐藏层的节点数为512个，其激活函数选择sigmoid函数和tanh函数，第二隐藏层、第三隐藏层和第四隐藏层的节点数均为1024个，激活函数选择sigmoid函数。

进一步地，包括：

所述中文特征向量集作为所述DNN-LSTM模型的输入进行迭代训练，训练步骤包括：

(1)初始化模型结构中的权值矩阵W和偏置向量b为一个随机值；

(2)开始从第1次到最大次数的迭代；在每次迭代中，都是从第一条语音数据训练样本开始遍历至最后一个训练样本；