【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及數(shù)據(jù)處理，具體涉及一種基于大數(shù)據(jù)的智能家居智能交互方法及系統(tǒng)。
技術(shù)介紹
1、在智能家居智能系統(tǒng)中，語(yǔ)音交互作為一種直觀、便捷的用戶(hù)交互方式，受到了廣泛關(guān)注和應(yīng)用；在實(shí)際應(yīng)用中，對(duì)語(yǔ)音交互時(shí)采集的用戶(hù)聲音信號(hào)進(jìn)行fastica算法分解可以用于聲音信號(hào)的分離與識(shí)別，將用戶(hù)的交互語(yǔ)音與干擾聲音例如環(huán)境音以及非交互語(yǔ)音等進(jìn)行分離，從而將復(fù)雜的混合聲音信號(hào)分解為相互獨(dú)立的成分，進(jìn)而提取出聲音信號(hào)的特征，實(shí)現(xiàn)準(zhǔn)確的語(yǔ)音識(shí)別；
2、現(xiàn)有的fastica算法是假設(shè)聲音信號(hào)的非高斯性以及中心極限定理對(duì)聲音信號(hào)的投影向量進(jìn)行迭代，直至找到最佳非高斯性的投影向量從而對(duì)信號(hào)進(jìn)行分解；但是在智能家居的使用場(chǎng)景嘈雜導(dǎo)致采集的聲音數(shù)據(jù)較為復(fù)雜時(shí)，僅考慮非高斯性進(jìn)行fastica分解會(huì)導(dǎo)致分解獲得的獨(dú)立成分雖然符合非高斯性，但是與實(shí)際的聲音數(shù)據(jù)之間存在偏差，影響了用戶(hù)與智能家居進(jìn)行智能交互時(shí)聲音信號(hào)語(yǔ)義識(shí)別的準(zhǔn)確性，降低了智能家居智能交互的可靠性和效率。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)提供基于大數(shù)據(jù)的智能家居智能交互方法及系統(tǒng)，以解決現(xiàn)有的智能家居的使用場(chǎng)景嘈雜導(dǎo)致采集的聲音數(shù)據(jù)較為復(fù)雜時(shí)，僅考慮非高斯性進(jìn)行fastica分解會(huì)導(dǎo)致分解獲得的獨(dú)立成分和實(shí)際的聲音數(shù)據(jù)之間存在偏差，影響用戶(hù)與智能家居進(jìn)行智能交互時(shí)聲音信號(hào)語(yǔ)義識(shí)別的準(zhǔn)確性，降低智能家居智能交互的可靠性和效率的問(wèn)題。
2、本專(zhuān)利技術(shù)的基于大數(shù)據(jù)的智能家居智能交互方法及系統(tǒng)采用如下技術(shù)方案：
3、一方面，
4、獲取原始聲音信號(hào)，根據(jù)原始聲音信號(hào)獲取白化矩陣；
5、將原始聲音信號(hào)輸入到混合信號(hào)分離模型中進(jìn)行迭代并投影，獲取所有獨(dú)立成分；
6、所述混合信號(hào)分離模型包括：
7、初始化權(quán)重向量，獲取白化矩陣在權(quán)重向量方向上的投影信號(hào)；根據(jù)投影信號(hào)與各原始聲音信號(hào)的頻譜特征差異，獲得投影信號(hào)與各原始聲音信號(hào)的頻譜相似性；取與投影信號(hào)頻譜相似性最大的原始聲音信號(hào)作為參考信號(hào)；根據(jù)參考信號(hào)與所有非參考信號(hào)的原始聲音信號(hào)的頻譜特征差異，獲取參考頻譜偏差；根據(jù)投影信號(hào)與參考信號(hào)的頻譜相似性，以及投影信號(hào)與參考頻譜偏差的頻譜特征差異，獲取投影信號(hào)的頻譜解讀性；根據(jù)投影信號(hào)的頻譜解讀性以及權(quán)重向量的非高斯性進(jìn)行迭代，獲取最優(yōu)權(quán)重向量；將白化矩陣在最優(yōu)權(quán)重向量方向上的投影記為一個(gè)獨(dú)立成分；進(jìn)行下一次初始化權(quán)重向量，直至獲取所有獨(dú)立成分；
8、根據(jù)所有獨(dú)立成分，進(jìn)行語(yǔ)義識(shí)別獲得文本信息用于智能交互。
9、進(jìn)一步地，所述初始化權(quán)重向量，獲取白化矩陣在權(quán)重向量方向上的投影信號(hào)，包括的具體方法為：
10、將第p輪第t次迭代對(duì)應(yīng)權(quán)重向量記為，第p輪第t次迭代投影信號(hào)的計(jì)算方式為：
11、
12、式中：表示白化矩陣，表示向量的轉(zhuǎn)置。
13、進(jìn)一步地，所述根據(jù)投影信號(hào)與各原始聲音信號(hào)的頻譜特征差異，獲得投影信號(hào)與各原始聲音信號(hào)的頻譜相似性，包括的具體計(jì)算方法為：
14、梅爾頻譜系數(shù)反映人類(lèi)聽(tīng)覺(jué)系統(tǒng)對(duì)聲音信號(hào)的感知，以聲音信號(hào)的梅爾頻譜系數(shù)對(duì)聲音信號(hào)的頻譜特征進(jìn)行描述；第p輪第t次迭代投影信號(hào)與第i個(gè)原始聲音信號(hào)的頻譜相似性的計(jì)算方法為：
15、
16、式中：表示總幀數(shù)，表示第f幀，表示第p輪第t次迭代投影信號(hào)在第f幀的梅爾頻譜系數(shù)，表示第i個(gè)原始聲音信號(hào)在第f幀的梅爾頻譜系數(shù)，表示以自然常數(shù)為底的指數(shù)函數(shù)，表示第p輪第t次迭代投影信號(hào)與第i個(gè)原始聲音信號(hào)的頻譜特征差異。
17、進(jìn)一步地，所述表示總幀數(shù)，表示第f幀，包括的具體內(nèi)容為：
18、以預(yù)設(shè)幀長(zhǎng)將各原始聲音信號(hào)和投影信號(hào)分為若干幀，將分幀后的總幀數(shù)記為f，第f幀為包含在f幀內(nèi)的其中一幀。
19、進(jìn)一步地，所述根據(jù)參考信號(hào)與所有非參考信號(hào)的原始聲音信號(hào)的頻譜特征差異，獲取參考頻譜偏差，包括的具體方法為：
20、在所有原始聲音信號(hào)中將第p輪第t次迭代的參考信號(hào)對(duì)應(yīng)原始聲音信號(hào)記為第k個(gè)原始聲音信號(hào)，將第k個(gè)原始聲音信號(hào)與第i個(gè)原始聲音信號(hào)在第f幀的頻譜特征差異記為參考k下的第i個(gè)第f幀的參考頻譜偏差，具體計(jì)算方式為：
21、
22、式中：表示第k個(gè)原始聲音信號(hào)在第f幀的梅爾頻譜系數(shù)，表示第i個(gè)原始聲音信號(hào)在第f幀的梅爾頻譜系數(shù)。
23、進(jìn)一步地，所述根據(jù)投影信號(hào)與參考信號(hào)的頻譜相似性，以及投影信號(hào)與參考頻譜偏差的頻譜特征差異，獲取投影信號(hào)的頻譜解讀性，包括的具體方法為：
24、在所有原始聲音信號(hào)中將第p輪第t次迭代的參考信號(hào)對(duì)應(yīng)原始聲音信號(hào)記為第k個(gè)原始聲音信號(hào)，第p輪第t次迭代投影信號(hào)的頻譜解讀性的計(jì)算方法為：
25、
26、式中：表示第p輪第t次迭代投影信號(hào)與第k個(gè)原始聲音信號(hào)的頻譜相似性，n表示原始聲音信號(hào)數(shù)量，n-1表示除第k個(gè)原始聲音信號(hào)外的原始聲音信號(hào)數(shù)量，f表示總幀數(shù)，表示第p輪第t次迭代投影信號(hào)在第f幀的梅爾頻譜系數(shù)，表示第k個(gè)原始聲音信號(hào)與第i個(gè)原始聲音信號(hào)在第f幀的參考頻譜偏差，表示以自然常數(shù)為底的指數(shù)函數(shù)。
27、進(jìn)一步地，所述根據(jù)投影信號(hào)的頻譜解讀性以及權(quán)重向量的非高斯性進(jìn)行迭代，獲取最優(yōu)權(quán)重向量；將白化矩陣在最優(yōu)權(quán)重向量方向上投影獲得獨(dú)立成分，包括的具體方法為：
28、基于梯度上升法結(jié)合頻譜解讀性對(duì)權(quán)重向量進(jìn)行更新，根據(jù)第p輪第t次迭代對(duì)應(yīng)權(quán)重向量獲取第p輪第t+1次迭代對(duì)應(yīng)權(quán)重向量的計(jì)算方法為：
29、
30、式中：表示預(yù)設(shè)學(xué)習(xí)率，表示第p輪第t次迭代投影信號(hào)的頻譜解讀性，表示非高斯性度量函數(shù)，表示求梯度函數(shù)，表示l2歸一化函數(shù)；
31、根據(jù)第p輪第t次迭代對(duì)應(yīng)權(quán)重向量獲得第p輪第t+1次迭代對(duì)應(yīng)權(quán)重向量；當(dāng)?shù)趐輪第t+1次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積，大于第p輪第t次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積時(shí)，根據(jù)第p輪第t+1次迭代對(duì)應(yīng)權(quán)重向量獲得第p輪第t+2次迭代對(duì)應(yīng)權(quán)重向量；當(dāng)?shù)趐輪第t+2次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積，大于第p輪第t+1次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積時(shí)，根據(jù)第p輪第t+2次迭代對(duì)應(yīng)權(quán)重向量獲得第p輪第t+3次迭代對(duì)應(yīng)權(quán)重向量；以此類(lèi)推，直至存在一個(gè)整數(shù)c，使得第p輪第t+c次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積，小于等于第p輪第t+c-1次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積時(shí)停止；此時(shí)將第p輪第t+c次迭代對(duì)應(yīng)權(quán)重向量頻譜解讀性與非高斯性度量之積，記為第p輪的最優(yōu)權(quán)重向量；將白化矩陣在第p輪的最優(yōu)權(quán)重向量方向進(jìn)行投影，投影結(jié)果記為第p個(gè)獨(dú)立成分。
32、進(jìn)一步地，所述進(jìn)行下一次初始化權(quán)重向量，迭代并投影，獲取所有獨(dú)立成分，包括的具體方法為：
33、將第p輪獲取最優(yōu)權(quán)重向量時(shí)的迭本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述初始化權(quán)重向量，獲取白化矩陣在權(quán)重向量方向上的投影信號(hào)，包括的具體方法為：
3.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)投影信號(hào)與各原始聲音信號(hào)的頻譜特征差異，獲得投影信號(hào)與各原始聲音信號(hào)的頻譜相似性，包括的具體計(jì)算方法為：
4.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述表示總幀數(shù)，表示第f幀，包括的具體內(nèi)容為：
5.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)參考信號(hào)與所有非參考信號(hào)的原始聲音信號(hào)的頻譜特征差異，獲取參考頻譜偏差，包括的具體方法為：
6.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)投影信號(hào)與參考信號(hào)的頻譜相似性，以及投影信號(hào)與參考頻譜偏差的頻譜特征差異，獲取投影信號(hào)的頻譜解讀性，包括的具體方法為：
7.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家
8.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述進(jìn)行下一次初始化權(quán)重向量，迭代并投影，獲取所有獨(dú)立成分，包括的具體方法為：
9.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)所有獨(dú)立成分，進(jìn)行語(yǔ)義識(shí)別獲得文本信息用于智能交互，包括的具體方法為：
10.基于大數(shù)據(jù)的智能家居智能交互系統(tǒng)，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1~9任意一項(xiàng)所述方法的步驟。
...【技術(shù)特征摘要】
1.基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述初始化權(quán)重向量，獲取白化矩陣在權(quán)重向量方向上的投影信號(hào)，包括的具體方法為：
3.根據(jù)權(quán)利要求1所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)投影信號(hào)與各原始聲音信號(hào)的頻譜特征差異，獲得投影信號(hào)與各原始聲音信號(hào)的頻譜相似性，包括的具體計(jì)算方法為：
4.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述表示總幀數(shù)，表示第f幀，包括的具體內(nèi)容為：
5.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)參考信號(hào)與所有非參考信號(hào)的原始聲音信號(hào)的頻譜特征差異，獲取參考頻譜偏差，包括的具體方法為：
6.根據(jù)權(quán)利要求3所述基于大數(shù)據(jù)的智能家居智能交互方法，其特征在于，所述根據(jù)投影信號(hào)與參考信號(hào)的頻譜相似性...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：趙斌，宋艷，李海濤，王懷高，喬本佳，武月喜，郭輝，周雙燕，周芬，戴晨，
申請(qǐng)(專(zhuān)利權(quán))人：青島有屋科技有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。