一种在线增量的语音获得与识别方法

摘要

一种在线增量的语音获得与识别方法，包括初始化阶段、针对语音数据的输入与竞争阶段、基准点更新阶段、作用范围的阈值更新阶段以及去噪阶段。可有效避免现有技术中的所述的模型的训练需要耗费大量的时间、无法实现在线增量、这种方式不符合人的认知习惯由此导致使用很不方便的缺陷。

说明书

技术领域

本发明属于语音获得与识别技术领域，具体涉及一种在线增量的 语音获得与识别方法。

背景技术

传统的语音识别算法多从统计的角度出发，通过训练大量的数据， 从而得出概率相关的模型。若有新的输入语音数据，得出概率相关的 模型必须重新进行训练，所述的模型的训练需要耗费大量的时间，而 且这种方式不符合人的认知习惯，由此导致使用很不方便。

发明内容

本发明的目的提供一种在线增量的语音获得与识别方法，包括初 始化阶段、针对语音数据的输入与竞争阶段、基准点更新阶段、作用 范围的阈值更新阶段以及去噪阶段。可有效避免现有技术中的所述的 模型的训练需要耗费大量的时间、这种方式不符合人的认知习惯由此 导致使用很不方便的缺陷。

为了克服现有技术中的不足，本发明提供了一种在线增量的语音 获得与识别方法的解决方案，具体如下：

一种在线增量的语音获得与识别方法，步骤如下：

步骤1：首先，用于处理语音数据的终端接收到外部输入的语音 数据；

步骤2：用于处理语音数据的终端接收到外部输入的语音数据后， 就进入初始化阶段，所述的初始化阶段具体如下：

1)构建基准点集合A＝{L₁,L₂},其中第一基准点L₁,第二基准点L₂是从外部输入的语音数据中选取的两个随机数据；

2)构建边集合其初始值为空集,即第一基准点L₁,第二 基准点L₂之间没有初始连接；

3)构建第一基准点L₁的激活数构建第二基准点L₂的激 活数

4)构建第一基准点L₁的作用范围的阈值构建第二基准点L₂的作用范围的阈值所述的 dis tan ce(.,.)为相似性距离算法函数；

步骤3：进入针对语音数据的输入与竞争阶段，所述的针对语音 数据的输入与竞争阶段的具体方法如下：

1)从外部对用于处理语音数据的终端输入一个新的语音数据样本 ξ∈R^D，其中R^D表示D维实数向量，D表示自然数；

2)找出A中与ξ最相似的两个基准点,所述的最相似的两个基准 点分别为胜者基准点s₁和亚军基准点s₂,所述的胜者基准点s₁和亚军基 准点s₂分别由如下所示公式所求得：

$s_1=\underset{x\in A}{\arg \min }\mathrm{dis}\tan \mathrm{ce}(\xi ,x)$

$s_2=\underset{x\in A-\left\{s_1\right\}}{\arg \min }\mathrm{dis}\tan \mathrm{ce}(\xi ,x);$

步骤4：接着进入基准点更新阶段，所述的基准点更新阶段具体 如下：

1)如果或者成立,就为基准点集合A 生成一个新的基准点ξ,令A＝A∪{ξ}，其中表示针对胜者基准点s₁的作用范围的阈值，表示针对亚军基准点s₂的作用范围的阈值，然 后跳转至步骤3中继续执行；

2)如果胜者基准点s₁和亚军基准点s₂间不存在连接,令C＝C∪{(s₁,s₂)} 即为胜者基准点s₁和亚军基准点s₂建立连接，然后令即刷新 边(s₁,s₂)的连接年龄；

3)如果(s₁,L_i)∈C，则即与胜者基准点s₁相连的 所有边连接年龄增加1，其中L_i表示基准点集合A中与胜者基准点s₁有边相连的所有节点；

4)即把胜者基准点s₁的激活数增加1；

5)将胜者基准点s₁和输入的新的语音数据样本ξ变形到相等的长 度，即其中s₁'为调整后的新的胜者基准点，而ξ' 为调整后的新的语音数据样本，所述的为变形转化函 数；

6)更新胜者基准点其中即执行胜 者基准点s₁向输入的新的语音数据样本ξ移动操作；

7)检查所有连接(L_i,L_j)∈C当前的连接年龄如果 就从边集合C中移除该连接,其中age_max是预先定义的 连接年龄的阈值参数；

步骤5：然后进入作用范围的阈值更新阶段，所述的作用范围的 阈值更新阶段包括将胜者基准点s₁的作用范围的阈值和亚军基准点 s₂的作用范围的阈值分别如下式所示来更新为与胜者基准点s₁和亚 军基准点s₂的相邻基准点的最大距离，其中x分别表示基准点集合A中 与胜者基准点s₁有边相连的所有节点和基准点集合A中与亚军基准点 s₂有边相连的所有节点：

$T_{s_1}=\underset{(x,s_1)\in C}{\arg \max }\mathrm{dis}\tan \mathrm{ce}(x,s_1)$

$T_{s_2}=\underset{(x,s_2)\in C}{\arg \max }\mathrm{dis}\tan \mathrm{ce}(x,s_2);$

步骤6：最后进入去噪阶段，所述的去噪阶段包括如果当前输入 的语音数据的样本总数是λ的整数倍，λ即为一个学习周期，检查整个 基准点集合A，如果存在只有一个相邻基准点的基准点,并且该基准 点的激活数小于设定的激活数的阈值,就在基准点集合A中删去该基 准点，然后跳转至步骤3中执行，等到训练用的语音数据样本全部输 入完毕后,就能得到所需的语音数据的基准点集合A以及基准点之间 的连接C。

所述的dis tan ce(.,.)表示的相似性距离度量算法函数是一种衡 量两个长度不同的语音数据的相似度的方法，其函数参数为两个长度 不同的语音数据，dis tan ce(.,.)表示的相似性距离度量算法函数通过 把语音数据进行缩短和延伸，来计算两个语音数据之间的相似程度， dis tan ce(.,.)表示的相似性距离度量算法函数的具体步骤如下所示：

1)首先对dis tan ce(.,.)表示的相似性距离算法函数输入两个语音 数据参数，所述的两个语音数据参数分别为第一语音数据参数x和第 二语音数据参数y；

2)构造一个|x|*|y|的网格，其中|x|是第一语音数据参数x的长 度，|y|是第二语音数据参数y的长度；

3)接着将网格的初始分辨率设置为最粗，即只有1*1个格子；

4)设定n*m表示网格当前的分辨率，从网格的左下角的坐标path (1,1)开始，到网格的右上角的坐标path(n,m)结尾，dis tan ce(.,.)表 示的相似性距离度量算法函数按照网格的坐标递增的顺序通过路径 规整化确定的相似性距离为相似性距 离最短的规整化的路径就是dis tan ce(.,.)表示的相似性距离度量算 法函数所得到的规整路径path，n、K、k和m均为自然数，其中K 表示规整化的路径经过的格子数；

5)将网格的分辨率加倍，即一个格子变成四个格子；

6)将所述的规整路径投影到分辨率加倍后的网格上；

7)在所述的规整路径投影到分辨率加倍后的网格上投影区域内找 出新的规整路径，设定p*q表示网格当前的分辨率，从网格的左下角 的坐标path(1,1)开始，到网格的右上角的坐标path(p,q)结尾，并且所 经过的网格的坐标都必须在所述的规整路径投影到分辨率加倍后的 网格上投影区域内，dis tan ce(.,.)表示的相似性度量距离算法函数按 照网格的坐标递增的顺序通过路径规整化确定的相似性度量距离为 path(k,2)),相似性度量距离最短的规整化的路 径就是dis tan ce(.,.)表示的相似性距离度量算法函数所得到的规整 路径path，p、S、k和q均为自然数，其中S表示规整化的路径经过 的格子数；

8)若网格的分辨率达到原始值，即网格变成|x|*|y|，|x|是第一 语音数据参数x的长度，|y|是第二语音数据参数y的长度，则终止 dis tan ce(.,.)表示的相似性距离度量算法的过程，否则跳转至4)中 执行。

所述的表示的变形转化函数，其具体执行步骤如 下：

1)首先对第一变量i初始化赋值为1，对第二变量len初始化赋 值为最终的规整路径的长度，把调整后的新的胜者基准点s₁'初始化为 空，把调整后的新的语音数据样本ξ'初始化为空；

2)若最终的规整路径中的胜者基准点s₁一维坐标对应于输入的语 音数据样本ξ的多维坐标，转到3)中执行，若最终的规整路径中的 胜者基准点s₁多维坐标对应于输入的语音数据样本ξ的一维坐标，转 到4)中执行，若最终的规整路径中的胜者基准点s₁一维坐标对应于 输入的语音数据样本ξ的一维坐标，转到5)中执行；

3)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本ξ' 分别增加维数据，其中s₁'增加的数据值为所述的胜者基准点 s₁的第i维数据,ξ'是将ξ对应的cnt维数据合并为维,然后转 到6)中执行，所述的cnt为最终的规整路径中的胜者基准点s₁一维坐 标对应的输入的语音数据样本ξ的多维坐标的维数；

4)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本 ξ'分别增加维数据，其中ξ'增加的数据值为所述的语音数据 样本ξ的第i维数据,s₁'是将胜者基准点s₁对应的cnt维数据合并为 维,然后转到6)中执行，所述的cnt为最终的规整路径中 的胜者基准点s₁多维坐标对应于输入的语音数据样本ξ的一维坐标中 的最终的规整路径中的胜者基准点s₁多维坐标的维数；

5)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本 ξ'分别增加1维数据，其中s₁'增加的数据值为所述的胜者基准点s₁的 第i维数据,ξ′增加的数据值为所述的语音数据样本ξ的第i维数据, 设置cnt为1，转到6)中执行；

6)第一变量i赋值为i+cnt，如果第一变量i的值小于第二变量 len的值，返回2)中执行，否则返回所述的步骤4中执行。

本发明能够在线增量的进行语音识别，并且能够达到实时要求， 使得语音识别可以以在线方式投入实际应用，更加符合人类智能。

具体实施方式

本发明的目的是研制自动化的高效的一种在线增量的语音获得 与识别方法，通过实施例来进行进一步的说明：

在线增量的语音获得与识别方法，步骤如下：

步骤1：首先，用于处理语音数据的终端接收到外部输入的语音 数据；

步骤2：用于处理语音数据的终端接收到外部输入的语音数据后， 就进入初始化阶段，所述的初始化阶段具体如下：

1)构建基准点集合A＝{L₁,L₂},其中第一基准点L₁,第二基准点L₂是从外部输入的语音数据中选取的两个随机数据；

2)构建边集合其初始值为空集,即第一基准点L₁,第二 基准点L₂之间没有初始连接；

3)构建第一基准点L₁的激活数构建第二基准点L₂的激 活数$M_{L_2}=0;$

4)构建第一基准点L₁的作用范围的阈值构建第二基准点L₂的作用范围的阈值所述的 dis tan ce(.,.)为相似性距离算法函数；

步骤3：进入针对语音数据的输入与竞争阶段，所述的针对语音 数据的输入与竞争阶段的具体方法如下：

1)从外部对用于处理语音数据的终端输入一个新的语音数据样本 ξ∈R^D，其中R^D表示D维实数向量，D表示自然数；

2)找出A中与ξ最相似的两个基准点,所述的最相似的两个基准 点分别为胜者基准点s₁和亚军基准点s₂,所述的胜者基准点s₁和亚军基 准点s₂分别由如下所示公式所求得：

$s_1=\underset{x\in A}{\arg \min }\mathrm{dis}\tan \mathrm{ce}(\xi ,x)$

$s_2=\underset{x\in A-\left\{s_1\right\}}{\arg \min }\mathrm{dis}\tan \mathrm{ce}(\xi ,x);$

步骤4：接着进入基准点更新阶段，所述的基准点更新阶段具体 如下：

1)如果或者成立,就为基准点集合A 生成一个新的基准点ξ,令A＝A∪{ξ}，其中表示针对胜者基准点s₁的作用范围的阈值，表示针对亚军基准点s₂的作用范围的阈值，然 后跳转至步骤3中继续执行；

2)如果胜者基准点s₁和亚军基准点s₂间不存在连接,令 C＝C∪{(s₁,s₂)}即为胜者基准点s₁和亚军基准点s₂建立连接，然后令 即刷新边(s₁，s₂)的连接年龄；

3)如果(s₁,L_i)∈C，则即与胜者基准点s₁相连的 所有边连接年龄增加1，其中L_i表示基准点集合A中与胜者基准点s₁有边相连的所有节点；

4)即把胜者基准点s₁的激活数增加1；

5)将胜者基准点s₁和输入的新的语音数据样本ξ变形到相等的长 度，即其中s₁'为调整后的新的胜者基准点，而ξ' 为调整后的新的语音数据样本，所述的为变形转化函 数；

6)更新胜者基准点其中即执行胜 者基准点s₁向输入的新的语音数据样本ξ移动操作；

7)检查所有连接(L_i,L_j)∈C当前的连接年龄如果 就从边集合C中移除该连接,其中age_max是预先定义的 连接年龄的阈值参数；

步骤5：然后进入作用范围的阈值更新阶段，所述的作用范围的 阈值更新阶段包括将胜者基准点s₁的作用范围的阈值和亚军基准点 s₂的作用范围的阈值分别如下式所示来更新为与胜者基准点s₁和亚 军基准点s₂的相邻基准点的最大距离，其中x分别表示基准点集合A中 与胜者基准点s₁有边相连的所有节点和基准点集合A中与亚军基准点 s₂有边相连的所有节点：

$T_{s_1}=\underset{(x,s_1)\in C}{\arg \max }\mathrm{dis}\tan \mathrm{ce}(x,s_1)$

$T_{s_2}=\underset{(x,s_2)\in C}{\arg \max }\mathrm{dis}\tan \mathrm{ce}(x,s_2);$

步骤6：最后进入去噪阶段，所述的去噪阶段包括如果当前输入 的语音数据的样本总数是λ的整数倍，λ即为一个学习周期，检查整个 基准点集合A，如果存在只有一个相邻基准点的基准点,并且该基准 点的激活数小于设定的激活数的阈值,就在基准点集合A中删去该基 准点，然后跳转至步骤3中执行，等到训练用的语音数据样本全部输 入完毕后,就能得到所需的语音数据的基准点集合A以及基准点之间 的连接C。

所述的dis tan ce(.,.)表示的相似性距离度量算法函数是一种衡 量两个长度不同的语音数据的相似度的方法，其函数参数为两个长度 不同的语音数据，dis tan ce(.,.)表示的相似性距离度量算法函数通过 把语音数据进行缩短和延伸，来计算两个语音数据之间的相似程度， dis tan ce(.,.)表示的相似性距离度量算法函数的具体步骤如下所示：

1)首先对dis tan ce(.,.)表示的相似性距离算法函数输入两个语 音数据参数，所述的两个语音数据参数分别为第一语音数据参数x和 第二语音数据参数y；

2)构造一个|x|*|y|的网格，其中|x|是第一语音数据参数x的长 度，|y|是第二语音数据参数y的长度；

3)接着将网格的初始分辨率设置为最粗，即只有1*1个格子；

4)设定n*m表示网格当前的分辨率，从网格的左下角的坐标path (1,1)开始，到网格的右上角的坐标path(n,m)结尾，distance(.,.)表 示的相似性距离度量算法函数按照网格的坐标递增的顺序通过路径 规整化确定的相似性距离为相似性距 离最短的规整化的路径就是dis tan ce(.,.)表示的相似性距离度量算 法函数所得到的规整路径path，n、K、k和m均为自然数，其中K 表示规整化的路径经过的格子数；

5)将网格的分辨率加倍，即一个格子变成四个格子；

6)将所述的规整路径投影到分辨率加倍后的网格上；

7)在所述的规整路径投影到分辨率加倍后的网格上投影区域内找 出新的规整路径，设定p*q表示网格当前的分辨率，从网格的左下角 的坐标path(1,1)开始，到网格的右上角的坐标path(p,q)结尾，并且所 经过的网格的坐标都必须在所述的规整路径投影到分辨率加倍后的 网格上投影区域内，dis tan ce(.,.)表示的相似性度量距离算法函数按 照网格的坐标递增的顺序通过路径规整化确定的相似性度量距离为 相似性度量距离最短的规整化的路 径就是dis tan ce(.,.)表示的相似性距离度量算法函数所得到的规整 路径path，p、S、k和q均为自然数，其中S表示规整化的路径经过 的格子数；

8)若网格的分辨率达到原始值，即网格变成|x|*|y|，|x|是第一 语音数据参数x的长度，|y|是第二语音数据参数y的长度，则终止 dis tan ce(.,.)表示的相似性距离度量算法的过程，否则跳转至4)中 执行。

所述的表示的变形转化函数，其具体执行步骤如 下：

1)首先对第一变量i初始化赋值为1，对第二变量len初始化赋 值为最终的规整路径的长度，把调整后的新的胜者基准点s₁'初始化为 空，把调整后的新的语音数据样本ξ'初始化为空；

2)若最终的规整路径中的胜者基准点s₁一维坐标对应于输入的语 音数据样本ξ的多维坐标，转到3)中执行，若最终的规整路径中的 胜者基准点s₁多维坐标对应于输入的语音数据样本ξ的一维坐标，转 到4)中执行，若最终的规整路径中的胜者基准点s₁一维坐标对应于 输入的语音数据样本ξ的一维坐标，转到5)中执行；

3)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本ξ' 分别增加维数据，其中s₁'增加的数据值为所述的胜者基准点 s₁的第i维数据,ξ'是将ξ对应的cnt维数据合并为维,然后转 到6)中执行，所述的cnt为最终的规整路径中的胜者基准点s₁一维坐 标对应的输入的语音数据样本ξ的多维坐标的维数；

4)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本 ξ'分别增加维数据，其中ξ'增加的数据值为所述的语音数据 样本ξ的第i维数据,s₁'是将胜者基准点s₁对应的cnt维数据合并为 维,然后转到6)中执行，所述的cnt为最终的规整路径中 的胜者基准点s₁多维坐标对应于输入的语音数据样本ξ的一维坐标中 的最终的规整路径中的胜者基准点s₁多维坐标的维数；

5)对调整后的新的胜者基准点s₁'和调整后的新的语音数据样本 ξ'分别增加1维数据，其中s₁'增加的数据值为所述的胜者基准点s₁的 第i维数据,ξ′增加的数据值为所述的语音数据样本ξ的第i维数据, 设置cnt为1，转到6)中执行；

6)第一变量i赋值为i+cnt，如果第一变量i的值小于第二变量 len的值，返回2)中执行，否则返回所述的步骤4中执行。

针对本发明的具体实施例中的第一个,语音数据采用实验室采集 的语音数据集，其中包括10种语音数据，分别为一、二、三、四、 五、六、七、八、九、十。其中每种语音数据读十遍，共100条语音 数据，其中50条用于训练，50条用于测试，应用本发明的方法该实 施例的实验结果如表1：

表1

训练样本数 测试样本数 准确率 50 50 100％

针对本发明的具体实施例中的另一个,语音数据采用tidigits数据 集，tidigits数据集是国际论文中常用的用于语音识别的数据集，包括 11种语音数据，分别为 one,two,three,four,five,six,seven,eight,nine,oh,zero。参与语音数据采集 人员为：男，93人，女，114人。其中每人每个词读两遍，共4554 条语音数据，其中2554条用于训练，2000条用于测试，应用本发明 的方法该实施例的实验结果如表2：

表2

训练样本数 测试样本数 准确率 2554 2000 96％

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式 上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定 本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围 内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的 等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术 实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的 修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。