[发明专利]基于随机森林的语音声调识别方法及系统

说明书

本发明公开了基于随机森林的语音声调识别方法及系统，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。随机森林的实现简单、运算速度快、抗噪声能力强等优点，在声调识别中可以得到很好的应用，能够在确保识别准确率的同时，使声调分类器的运算复杂度降到最低。

技术领域

本申请涉及语音声调识别技术领域，特别是涉及基于随机森林的语音声调识别方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

汉语是一种具有声调的语言，除轻声外，汉语共有四种声调。声调体现为声音的高低升降，在汉语中具有重要的辨意作用，不同的声调代表着不同的含义，例如拼音“ma”，用四种声调发声时分别可由汉字“妈”、“麻”、“马”和“骂”表示。因此，声调作为汉语的重要组成部分在人们的日常交流中起到了不可或缺的作用。同时，在人机交互中经常会用到语音作为通信方式，语音识别是通过计算机将语音信号转变为相应的文本或命令的技术，其中声调识别是语音识别的重要组成部分。

现阶段在声调识别的研究中采用的特征参数主要可分为两类：仅使用基频作为特征参数和使用基频及其他特征作为特征参数，其他特征主要包括时长、能量、MFCC(梅尔频率倒谱系数)等。对于基频有许多种不同的处理方式，比如求出关于基频的基本统计量、对基频轨迹进行规范化处理和对基频轨迹进行曲线拟合等等。但是关于哪些特征参数在声调识别中表现最好、对于基频应该进行怎样的处理等问题，一直没有一个统一的定论。

同时，在声调分类器部分，目前应用较多的是神经网络模型、SVM(支持向量机)模型和HMM(隐马尔可夫模型)，但是这些模型在建模当中同样存在一些问题。对于神经网络模型，现阶段应用最多的是使用基频、声谱图或MFCC作为特征参数在卷积神经网络或深度神经网络中进行声调识别。但是这些方法在计算声谱图和MFCC时计算量大，卷积神经网络和深度神经网络的构建也十分复杂，同时识别准确率不高，且神经网络中隐藏层的层数和节点数等参数的选择和其他参数的优化一般根据经验，没有一个统一的标准。同样的，在使用SVM模型时，核函数的选取是一个很重要的问题，但目前比较成熟的核函数及其参数的选择都是人为的，且经典的SVM算法只能进行二分类，若要应用到声调识别等多分类的问题中需要使用多个二分类的SVM，这无疑增加了计算复杂度。而且当待识别数据存在含有噪声、不平衡、具有缺失等问题时，这些模型的识别准确率均会受到较大影响，鲁棒性较差。

发明内容

为了解决现有技术的不足，本申请提供了基于随机森林的语音声调识别方法及系统；

第一方面，本申请提供了基于随机森林的语音声调识别方法；

基于随机森林的语音声调识别方法，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。

第二方面，本申请提供了基于随机森林的语音声调识别系统；

基于随机森林的语音声调识别系统，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。