用于語音信號識別方法技術

本發明專利技術公開了用于語音信號識別方法，涉及語音信號圖像識別，包括語音信號類別樣本、待識別特征圖像，還包括以下步驟：S1，獲取來自語音信號采集點的待識別特征圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別特征圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別特征圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別特征圖像的特征向量；S5，利用人工神經網絡進行模式識別。本發明專利技術能夠有效提取語音信號的邊緣，作為理想的特征；能夠依據空間域和變換域雙重檢測，提高識別精度。

Speech recognition method

The invention discloses a method for speech signal recognition, which relates to speech signal image recognition, including speech signal category sample and feature image to be recognized, and also includes the following steps: S1, obtaining the feature image to be recognized from the speech signal acquisition point, performing domain decomposition transformation in the spatial domain, and decomposing the image information into multiple scale spaces; S2, using the spatial domain gradient calculation In the image transform domain, we use wavelet to detect the edge of the feature image to be recognized; in S4, we extract the feature vector of the feature image to be recognized from the edge detection in the space domain and transform domain; in S5, we use artificial neural network to recognize the pattern. The invention can effectively extract the edge of the voice signal as an ideal feature, and can double detect according to the space domain and the transformation domain to improve the recognition accuracy.

【技術實現步驟摘要】
用于語音信號識別方法
本專利技術涉及語音信號圖像識別，具體涉及用于語音信號識別方法。
技術介紹
語音識別的應用領域非常廣泛，常見的應用系統有：語音輸入系統，相對于鍵盤輸入方法，它更符合人的日常習慣，也更自然、更高效；語音控制系統，即用語音來控制設備的運行，相對于手動控制來說更加快捷、方便，可以用在諸如工業控制、語音撥號系統、智能家電、聲控智能玩具等許多領域；智能對話查詢系統，根據客戶的語音進行操作，為用戶提供自然、友好的數據庫檢索服務，例如家庭服務、賓館服務、旅行社服務系統、訂票系統、醫療服務、銀行服務、股票查詢服務等等。語音識別主要有以下五個問題：對自然語言的識別和理解。首先必須將連續的講話分解為詞、音素等單位，其次要建立一個理解語義的規則；語音信息量大。語音模式不僅對不同的說話人不同，對同一說話人也是不同的，例如，一個說話人在隨意說話和認真說話時的語音信息是不同的。一個人的說話方式隨著時間變化；語音的模糊性。說話者在講話時，不同的詞可能聽起來是相似的。這在英語和漢語中常見；單個字母或詞、字的語音特性受上下文的影響，以致改變了重音、音調、音量和發音速度等；環境噪聲和干擾對語音識別有嚴重影響，致使識別率低。目前語音信號類別存在識別困難、差異性小，存在干擾時難以識別的問題。
技術實現思路
本專利技術所要解決的技術問題是目前語音信號類別存在識別困難、差異性小，存在干擾時難以識別的問題，目的在于提供用于語音信號識別方法，解決上述問題。本專利技術通過下述技術方案實現：用于語音信號識別方法，包括語音信號類別樣本、待識別特征圖像，還包括以下步驟：S1，獲取來自語音信號采集點的待識別特征圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別特征圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別特征圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別特征圖像的特征向量；S5，利用人工神經網絡進行模式識別，將語音信號類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別特征圖像的識別。進一步地，所述S1中的分解域變換采用小波多尺度分解域變換。進一步地，所述S2中的梯度算子采用高斯拉普拉斯算子。進一步地，所述S3中的邊緣檢測結果采用鏈表進行記錄。進一步地，所述S4中的特征向量采用統計特征。本專利技術與現有技術相比，具有如下的優點和有益效果：1、本專利技術用于語音信號識別方法，能夠有效提取語音信號的邊緣，作為理想的特征；2、本專利技術用于語音信號識別方法，能夠依據空間域和變換域雙重檢測，提高識別精度。具體實施方式為使本專利技術的目的、技術方案和優點更加清楚明白，下面結合實施例，對本專利技術作進一步的詳細說明，本專利技術的示意性實施方式及其說明僅用于解釋本專利技術，并不作為對本專利技術的限定。實施例本專利技術用于語音信號識別方法，包括語音信號類別樣本、待識別特征圖像，還包括以下步驟：S1，獲取來自語音信號采集點的待識別特征圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；S2，利用空間域梯度算子進行待識別特征圖像的邊緣檢測；S3，在圖像變換域中，利用小波進行待識別特征圖像的邊緣檢測；S4，提取空間域和變換域中邊緣檢測獲取的待識別特征圖像的特征向量；S5，利用人工神經網絡進行模式識別，將語音信號類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別特征圖像的識別。所述S1中的分解域變換采用小波多尺度分解域變換。所述S2中的梯度算子采用高斯拉普拉斯算子。所述S3中的邊緣檢測結果采用鏈表進行記錄。所述S4中的特征向量采用統計特征。以上所述的具體實施方式，對本專利技術的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本專利技術的具體實施方式而已，并不用于限定本專利技術的保護范圍，凡在本專利技術的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本專利技術的保護范圍之內。本文檔來自技高網...

【技術保護點】
1.用于語音信號識別方法，包括語音信號類別樣本、待識別特征圖像，其特征在于，還包括以下步驟：/nS1，獲取來自語音信號采集點的待識別特征圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；/nS2，利用空間域梯度算子進行待識別特征圖像的邊緣檢測；/nS3，在圖像變換域中，利用小波進行待識別特征圖像的邊緣檢測；/nS4，提取空間域和變換域中邊緣檢測獲取的待識別特征圖像的特征向量；/nS5，利用人工神經網絡進行模式識別，將語音信號類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運算，實現待識別特征圖像的識別。/n

【技術特征摘要】
1.用于語音信號識別方法，包括語音信號類別樣本、待識別特征圖像，其特征在于，還包括以下步驟：
S1，獲取來自語音信號采集點的待識別特征圖像，在空間域中進行分解域變換，使圖像信息分解到的多個尺度空間中；
S2，利用空間域梯度算子進行待識別特征圖像的邊緣檢測；
S3，在圖像變換域中，利用小波進行待識別特征圖像的邊緣檢測；
S4，提取空間域和變換域中邊緣檢測獲取的待識別特征圖像的特征向量；
S5，利用人工神經網絡進行模式識別，將語音信號類別樣本進行離線訓練，確定權值，與S4獲得的特征向量進行運...

【專利技術屬性】
技術研發人員：朱姝，
申請(專利權)人：朱姝，
類型：發明
國別省市：四川;51