[发明专利]结合声效模式检测的语音识别方法

摘要

本发明公开了一种结合声效模式检测的语音识别方法。该方法包括如下步骤：接收语音信号；检测所述语音信号中的元音，生成元音集合；提取元音集合中每一个元音的声学特征序列；根据回声状态网络将元音集合中每一个元音的声学特征序列转换为用于声效模式检测的段特征矢量；根据元音集合中每一个元音的段特征矢量检测所述语音信号的声效模式；从预置的声学模型集中选择所述语音信号的声效模式对应的声学模型子集；根据声学模型子集对所述语音信号进行解码。

主权项

1.一种结合声效模式检测的语音识别方法，其特征在于，包括如下步骤：

步骤1、接收语音信号；

步骤2、检测所述语音信号中的元音，生成元音集合；

步骤3、提取所述元音集合中每一个元音的声学特征序列；

步骤4、根据回声状态网络将所述元音集合中每一个元音的声学特征序列转换为用于声效模式检测的段特征矢量；

步骤5、根据所述元音集合中每一个元音的段特征矢量检测所述语音信号的声效模式；

步骤6、从预置的声学模型集中选择所述语音信号的声效模式对应的声学模型子集；

步骤7、根据所述声学模型子集对所述语音信号进行解码。

2.根据权利要求1所述的结合声效模式检测的语音识别方法，其特征在于，步骤4具体包括：

步骤41、随机初始化回声状态网络中储备池的起始状态值向量；

步骤42、将该元音的声学特征序列中前5个特征向量依次输入到所述回声状态网络，并更新储备池的状态值向量；

步骤43、将所述储备池当前的状态值向量作为起始状态值向量；

步骤44、将该元音的声学特征序列中的各个特征向量依次输入到所述回声状态网络，并更新储备池的状态值向量；

步骤45、把所述储备池当前的状态值向量作为该元音的段特征矢量。

3.根据权利要求2所述的结合声效模式检测的语音识别方法，其特征在于所述步骤42和所述步骤44中，更新储备池的状态值向量根据如下公式进行：

r(n)＝g(W·r(n‑1)+Wⁱⁿ·x(n))

其中，r(n‑1)表示储备池的第n‑1步状态值向量，r(n)表示储备池的第n步状态值向量，当n＝0时r(0)表示储备池的起始状态值向量，x(n)表示所述声学特征序列中第n个特征向量，g(·)表示储备池结点的激励函数，Wⁱⁿ表示所述回声状态网络中输入层和储备池之间的连接权重矩阵，W表示储备池内部连接的权重矩阵。

4.根据权利要求3所述的结合声效模式检测的语音识别方法，其特征在于，步骤5具体包括：

步骤51：根据所述元音集合中每一个元音的段特征矢量将所述元音集合分别与多个候选声效模式进行匹配，生成每一个候选声效模式的匹配值；

步骤52、将匹配值最大的候选声效模式确定为所述语音信号的声效模式。

5.根据权利要求4所述的结合声效模式检测的语音识别方法，其特征在于，所述步骤51中，每一个候选声效模式的匹配值通过如下公式确定：

其中，E表示该候选声效模式，M_E表示该候选声效模式的匹配值，Vset表示所述元音集合，v表示所述元音集合Vset中的某个元音，P(E|v)表示元音v的声效模式为E的概率，N表示元音集合Vset中的元音个数。

6.根据权利要求5所述的结合声效模式检测的语音识别方法，其特征在于，所述步骤51中，元音v的声效模式为E的概率P(E|v)的具体计算过程如下：

将元音v的段特征矢量输入到候选声效模式E的径向基函数网络，并计算所述径向基函数网络的输出值，所述输出值即为P(E|v)。

7.根据权利要求6所述的结合声效模式检测的语音识别方法，其特征在于，所述步骤3中的声学特征为12维梅尔频率倒谱系数以及它们的一阶及二阶差分。

8.根据权利要求7所述的结合声效模式检测的语音识别方法，其特征在于，所述储备池结点的激励函数g(·)为双曲正切函数。

9.根据权利要求8所述的结合声效模式检测的语音识别方法，其特征在于所述步骤51中，候选声效模式E的径向基函数网络的隐含层节点采用高斯核函数，并且输出层包含一个节点。