复合语音识别方法、装置、设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110444202A(43)申请公布日2019.11.12(21)申请号201910601019.4G10L15/06(2013.01)(22)申请日2019.07.04(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人吴冀平彭俊清王健宗(74)专利代理机构深圳市力道知识产权代理事务所(普通合伙)44507代理人何姣(51)Int.Cl.G10L15/22(2006.01)G10L25/24(2013.01)G10L25/18(2013.01)G10L25/27(2013.01)权利要求书2页说明书14页附图10页(54)发明名称复合语音识别方法、装置、设备及计算机可读存储介质(57)摘要本发明涉及人工智能领域，使用了深度学习实现了通过胶囊网络模型识别出复合语音信号的语音类型。具体共公开了一种复合语音识别方法、装置、计算机设备及计算机可读存储介质，该方法包括：实时或定时检测预置范围内的复合语音；当检测到所述复合语音时，获取所述复合语音的声音信号；对所述声音信号进行短时傅里叶变换，生成所述复合语音信号的时频图；基于预置胶囊网络模型，提取所述时频图的多个频谱，获取各个所述频谱的梅尔频率倒谱系数；通过所述预置胶囊网络模型，计算出各个所述梅尔频率倒谱系数的向量模，并根据各个所述梅尔频率倒谱系数的向量模确定所述复合语音的类型。CN110444202ACN110444202A权利要求书1/2页1.一种复合语音识别方法，其特征在于，所述复合语音识别方法包括：实时或定时检测预置范围内的复合语音；当检测到所述复合语音时，获取所述复合语音的声音信号；对所述声音信号进行短时傅里叶变换，生成所述复合语音的时频图；基于预置胶囊网络模型，提取所述时频图的多个频谱，获取各个所述频谱的梅尔频率倒谱系数；通过所述预置胶囊网络模型，计算出各个所述梅尔频率倒谱系数的向量模，并根据各个所述梅尔频率倒谱系数的向量模确定所述复合语音的类型。2.如权利要求1所述的复合语音识别方法，其特征在于，所述当检测到所述复合语音信号时，获取所述复合语音信号的声音信号包括：当检测到所述复合语音时，调取预置采样率；通过预置公式和所述预置采样率，确定所述预置采样率的采样时间间隔；基于所述采样时间间隔对所述复合语音进行采集，获取所述复合语音信的离散信号。3.如权利要求2所述的复合语音识别方法，其特征在于，所述对所述声音信号进行短时傅里叶变换，生成所述复合语音的时频图包括：若获取到所述离散信号时，读取预置的帧时长信息以及帧移信息；通过所述帧时长信息以及所述帧移信息对所述离散信号进行预处理，得到多个短时分析信号；对多个所述短时分析信号进行傅里叶变换，生成所述复合语音的时频图。4.如权利要求1或3任意一项所述的复合语音识别方法，其特征在于，所述基于预置胶囊网络模型，提取所述时频图的多个频谱，获取各个所述频谱的梅尔频率倒谱系数包括；若获取到所述复合语音的时频图，调取预置胶囊网络模型，其中所述预置胶囊网络模型包括卷积层、初级胶囊、高级胶囊、输出层；当将所述时频图输入所述预置胶囊网络模型，通过所述卷积层的卷积核对所述时频图进行分帧，提取所述时频图的多个频谱；将提取到的多个所述频谱通过预置滤波函数组进行滤除，获取各个所述频谱的梅尔频率倒谱系数。5.如权利要求4所述的复合语音识别方法，其特征在于，所述将提取到的多个所述频谱通过预置滤波函数组进行滤除，获取各个所述频谱的梅尔频率倒谱系数包括：在提取到多个所述频谱时，通过所述卷积层中的预置滤波函数组对多个所述频谱进行滤除，获取各个所述频谱的梅尔频率倒谱，其中，频谱由包络和频谱的细节组成；通过所述初级胶囊对各个所述梅尔频率倒谱做倒谱分析，获取多个所述包络的倒谱系数，并将所述包络的倒谱系数作为梅尔频率倒谱系数。6.如权利要求5所述的复合语音识别方法，其特征在于，所述通过所述预置胶囊网络模型，计算出各个所述梅尔频率倒谱系数的向量模，获取所述复合语音信号的类型包括：当多个所述初级胶囊分别向所述高级胶囊前向传播所述梅尔频率倒谱系数时，通过所述预置胶囊网络的动态路由公式，获取所述梅尔频率倒谱系数的中间向量；基于所述高级胶囊的激活函数和所述中间向量，获取所述高级胶囊输出的所述梅尔频率倒谱系数的向量模；2CN110444202A权利要求书2/2页在获取到多个所述高级胶囊输出的所述梅尔频率倒谱系数的向量模，通过比对多个所述梅尔频率倒谱系数的向量模，标记输出最大向量模的目标高级胶囊；通过所述输出层输出所述目标高级胶囊的标识类型，获取所述复合语音的类型。7.如权利要求6所述的复合语音识别方法，其特征在于，所述当所述初级胶囊