[发明专利]一种基于神经网络的语音指令及身份识别方法

说明书

本发明属于语音及指令信息的处理技术领域，尤其涉及一种基于神经网络的语音指令及身份识别方法。包括数据集的获取及神经网络的设计与构建；用于构建语音识别拼音转文字数据集的步骤；所述身份识别数据集采用如下方式建立：对前述步骤2中获取的语音数据进行MFCC特征提取，并以该MFCC特征为基础数据建立身份识别的数据集；构建语音指令及身份识别数据集神经网络；本申请解决了在专业领域，对语音数据和人员进行双重识别的需求；本发明的语音识别速度与DFCNN模型几乎相同，但准确率的提升率超过8％，更适应于指令化语言的快速识别和分析，能够有效提高指令考核、中枢指挥机构等专业场景的反应速度和准确度。

技术领域

本发明属于语音及指令信息的处理技术领域，尤其涉及一种基于神经网络的语音指令及身份识别方法。

背景技术

现在正处于一个人工智能飞速发展的时代，语音识别技术在各行各业中应用的越来越多，其中科大讯飞的语音识别技术尤为突出，在大部分场景下都有较好的表现。但是针对一些专用场景，要求不仅能够识别出人到底说出了什么话，还需要分辨出是哪个人说出的语音，此时科大讯飞的语音识别技术的表现就不够理想。为了适应这种专用场景的需求，需要一种新的特殊性的语音识别技术识别语音和说话者，本发明就是在这样的背景下产生的。

发明内容

一种基于神经网络的语音指令及身份识别方法，通过神经网络将语音中的指令及人员身份识别出来，从而省去了对指令及人员身份的手工输入，使得如训练等场景的操作更加方便快捷，效率得到提升。

为实现上述目的，本发明创造采用如下技术方案。

一种基于神经网络的语音指令及身份识别方法，包括数据集的获取及神经网络的设计与构建；

步骤1，用于构建语音识别拼音转文字数据集的步骤；包括，确定当前场景需要识别的所有语句，确定语句文字和对应拼音，所述语句文字应涵盖所有需要识别的语句中的文字；基于前述语句文字和对应拼音分别构建出文字列表和拼音列表，即可通过这两个表将每个文字和拼音转换为整数值；最后将所有的语句的拼音和文字转换为整数值，并以拼音的整数列表作为基础数据建立拼音转文字的数据集；

步骤2，用于获取身份及语音识别基础数据的步骤；包括，确定当前场景需要识别的人员身份，以其名字或ID作为识别标签，分别让所有人员录制前述步骤1中的所有语句；

步骤3，用于构建身份及语音语句识别数据集的步骤；所述语音语句识别数据集采用如下方式建立：对前述步骤2中获取的语音数据进行分帧、加窗和快速傅里叶变换，得到相应的语音时频特征，并以该语音时频特征为基础数据建立语音语句识别的数据集；

所述身份识别数据集采用如下方式建立：对前述步骤2中获取的语音数据进行MFCC特征提取，并以该MFCC特征为基础数据建立身份识别的数据集；

步骤4，构建语音指令及身份识别数据集神经网络；

所述语音指令及身份识别数据集神经网络的设计包含以下步骤：

步骤4.1，确定网络层数，以及每层神经元数量；

步骤4.2，确定神经网络的超参数，包括学习率和迭代次数；

步骤4.3，确定神经网络的相关函数，包括代价函数和激活函数；

步骤4.4，依序构建出语音指令识别数据集的E-DFCNN神经网络、Transformer模型数据集神经网络和身份识别数据集的双层LSTM神经网络。