[发明专利]基于随机森林的语音声调识别方法及系统

权利要求书

1.基于随机森林的语音声调识别方法，其特征是，包括：

获取待识别的语音信号，对待识别的语音信号进行预处理；

对预处理后的待识别的语音信号进行特征参数的提取与选择；

将提取的特征参数，输入到预先训练好的随机森林模型中，输出待识别的语音信号的声调识别结果。

2.如权利要求1所述的方法，其特征是，所述对待识别的语音信号进行预处理，包括：对待识别的语音信号依次进行采样、低通滤波、分帧和清浊判定。

3.如权利要求1所述的方法，其特征是，所述对预处理后的待识别的语音信号进行特征参数的提取与选择；具体步骤包括：

对待识别的语音信号进行特征参数的综合选定，得到一个含有N₀个特征参数的参数集；

使用特征权重算法根据各个参数对声调分类的贡献度求出其所占权重；

按照权重由大到小的顺序，挑选出前N个构成优选的声调特征矢量。

4.如权利要求1所述的方法，其特征是，所述使用特征权重算法求出参数集中各个参数在识别过程中所占的权重，是采用ReliefF算法来实现的。

5.如权利要求1所述的方法，其特征是，预先训练好的随机森林模型的训练步骤包括：

在训练过程中，输入训练集数据量为M*N，M表示训练样本的数量，其中包含L类声调，N表示构成每个样本声调特征的参数数量，决策树数量取值为T；

(1)：首先，在每棵树的训练过程中，对训练集进行M次有放回的随机抽取，得到样本量为M的采样集，其中训练集中的数据有的被抽取多次，有的没有被抽取；

(2)：其次，在每棵树的每个节点处，从N个特征中随机选择n个特征，其中nN，在这n个特征中选择最佳分割特征作为节点构建决策树，在每个节点进行一次决策，经过多次决策得到L类声调中的某类声调；

(3)：重复(1)和(2)设定次数，所述设定次数为T次，构建了T棵决策树，由这T棵决策树组成随机森林。

6.如权利要求5所述的方法，其特征是，在这n个特征中选择最佳分割特征作为节点构建决策树，是根据Gini指数来选择的。

7.如权利要求1所述的方法，其特征是，所述将提取的特征参数，输入到预先训练好的随机森林模型中，输出待识别的语音信号的声调识别结果；具体步骤包括：

(a)：将提取的特征参数输入到预先训练好的随机森林模型中；

(b)：随机森林模型从当前树的根节点开始，比较待识别特征参数与当前节点的特征值区间范围，并根据待识别特征参数与当前节点的特征值区间范围的比较进入对应的下一个节点，直至达到叶子节点，并输出预测的声调类别；

(c)：选择下一个决策树，重复(b)，直到所有决策树都输出了预测的声调类别值，输出类别数量最多的一类作为最终的声调类别识别结果。

8.基于随机森林的语音声调识别系统，其特征是，包括：

预处理模块，其被配置为：获取待识别的语音信号，对待识别的语音信号进行预处理；

特征提取模块，其被配置为：对预处理后的待识别的语音信号进行特征参数的提取与选择；

声调识别模块，其被配置为：将提取的特征参数，输入到预先训练好的随机森林模型中，输出待识别的语音信号的声调识别结果。

9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。