本發(fā)明涉及語(yǔ)音識(shí)別技術(shù)領(lǐng)域，具體地，涉及一種模塊化機(jī)器人語(yǔ)音識(shí)別算法及其語(yǔ)音識(shí)別模塊。

背景技術(shù)：

經(jīng)過(guò)近五十多年的發(fā)展，語(yǔ)音識(shí)別技術(shù)在許多應(yīng)用領(lǐng)域顯示出巨大的應(yīng)用前景。語(yǔ)音識(shí)別屬于多維模式識(shí)別及智能計(jì)算機(jī)接口的范疇，是集聲學(xué)、語(yǔ)音學(xué)、計(jì)算機(jī)、信息處理、人工智能等領(lǐng)域的綜合技術(shù)，在工業(yè)、軍事、交通、醫(yī)學(xué)和民用等各領(lǐng)域得到了非常廣泛的應(yīng)用，例如自動(dòng)語(yǔ)音信息獲取系統(tǒng)、語(yǔ)言翻譯系統(tǒng)、機(jī)器人系統(tǒng)、聲控電話交換、語(yǔ)音撥號(hào)系統(tǒng)、信息網(wǎng)絡(luò)查詢、家庭服務(wù)、聽(tīng)寫機(jī)、計(jì)算機(jī)控制系統(tǒng)等。目前大多數(shù)語(yǔ)音識(shí)別系統(tǒng)的關(guān)鍵技術(shù)都是基于HMM模型而開(kāi)發(fā)的，HMM是一種統(tǒng)計(jì)模型，模型參數(shù)的估計(jì)需要大量的訓(xùn)練數(shù)據(jù)，而且訓(xùn)練過(guò)程計(jì)算量大，耗時(shí)長(zhǎng)，運(yùn)算起來(lái)極為復(fù)雜，在一般的硬件下根本不可能運(yùn)行。而對(duì)于模塊化機(jī)器人的聲控部分來(lái)說(shuō)，語(yǔ)音識(shí)別算法復(fù)雜，而且它對(duì)語(yǔ)音識(shí)別的準(zhǔn)確率不高，只能模糊根據(jù)語(yǔ)音的高低進(jìn)行語(yǔ)音識(shí)別。在申請(qǐng)公布號(hào)為CN 103971676A的中國(guó)發(fā)明專利中，公開(kāi)了一種快速語(yǔ)音孤立詞識(shí)別算法，采用過(guò)零率語(yǔ)音信號(hào)的特征參數(shù)進(jìn)行提取，較好地解決了特征參數(shù)提取的問(wèn)題，但還沒(méi)有解決小型機(jī)器人語(yǔ)音識(shí)別模塊化等問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種模塊化機(jī)器人語(yǔ)音識(shí)別算法，以解決上述背景技術(shù)中提出的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種模塊化機(jī)器人語(yǔ)音識(shí)別算法，包括以下步驟：

S1、對(duì)語(yǔ)音特征函數(shù)f(x)間隔采樣，得到m個(gè)函數(shù)值(X₀(E),X₁(E),L,Xm(E))；

S2、以X₀,X₁，L,X_m作為希爾伯特空間的坐標(biāo)，將時(shí)域中的特征函數(shù)f(X)＝{X₀(E),X₁(E),L,Xm(E)}轉(zhuǎn)化為m維希爾伯特空間中的點(diǎn)，并將語(yǔ)音采樣函數(shù)族F(x)轉(zhuǎn)化為了希爾伯特空間中的一系列點(diǎn)；

S3、將希爾伯特空間作為語(yǔ)音信號(hào)新的特征空間，對(duì)F(x)系列點(diǎn)之間的相似關(guān)系進(jìn)行分析，并采取高維超球覆蓋方法得到模式識(shí)別模塊；

S4、在希爾伯特空間中，對(duì)語(yǔ)音信號(hào)進(jìn)行模式識(shí)別，完成語(yǔ)音識(shí)別。

在數(shù)學(xué)中，一般來(lái)說(shuō)希爾伯特空間是對(duì)歐幾里德空間的推廣，因此并不像歐幾里德空間，主要是在二維及三維空間里進(jìn)行研究，其并不局限在有限的空間里。希爾伯特空間與歐幾里德空間的主要不同之處在于歐幾里德空間不是完備的，而希爾伯特空間卻是完備的。在希爾伯特空間內(nèi)引入了正交和投影的概念，這樣可以在此空間內(nèi)運(yùn)用幾何學(xué)的相關(guān)理論。在有限維空間里的向量的范數(shù)等于向量模的大小。假設(shè)在一個(gè)實(shí)或復(fù)向量空間H上定義了內(nèi)積<x,y>，這里的內(nèi)積是指定義了一種運(yùn)算，不可逆地可以從任意兩個(gè)向量得到一個(gè)標(biāo)量，則上述空間的范數(shù)公式如下所示：

如果其對(duì)于這個(gè)范數(shù)來(lái)說(shuō)是完備的，此空間稱為是一個(gè)希爾伯特空間。這里的完備性是指，任何一個(gè)柯西序列都收斂到此空間中的某個(gè)元素，即它們與某個(gè)元素的范數(shù)差的極限為0。任何有限維內(nèi)積空間例如歐幾里德空間及其上的點(diǎn)積，都是希爾伯特空間。內(nèi)積可以幫助人們從“幾何的”觀點(diǎn)來(lái)研究希爾伯特空間，并使用有限維空間中的幾何語(yǔ)言來(lái)描述希爾伯特空間。在所有的無(wú)窮維拓?fù)湎蛄靠臻g中，希爾伯特空間性質(zhì)最好，也最接近有限維空間的情形。

優(yōu)選的，對(duì)于n維特征空間，做出不同的超球體，通過(guò)它們來(lái)覆蓋空間內(nèi)不同語(yǔ)音的樣本點(diǎn)，求出n維超球方程為：

(X₁-X_1a)²+(X₂-X_2a)²+L+(X_n-X_na)²＝R²。

優(yōu)選的，所述S1步驟中采用的語(yǔ)音信號(hào)的特征函數(shù)為過(guò)零譜函數(shù)。這里，提取了的語(yǔ)音信號(hào)的特征參數(shù)——過(guò)零譜后，將過(guò)零譜函數(shù)在希爾伯特空間中展開(kāi)也就得到了語(yǔ)音信號(hào)的特征空間。在這個(gè)語(yǔ)音特征空間中，不同語(yǔ)音樣本點(diǎn)的相似度低，所以它們會(huì)相對(duì)分散，而同一語(yǔ)音的樣本點(diǎn)相似度高，那么這些點(diǎn)就會(huì)大概聚在一起，最后能夠形成一個(gè)類的類群。所以在特征空間中采用超球體來(lái)覆蓋樣本點(diǎn)的方法。

優(yōu)選的，從特征提取到模式識(shí)別算法中不包含F(xiàn)FT運(yùn)算。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本模塊化機(jī)器人語(yǔ)音識(shí)別算法，在模式識(shí)別階段，提出了基于希爾伯特空間的超球覆蓋語(yǔ)音識(shí)別算法，在特征提取階段，提取出了新的特征參數(shù)——過(guò)零譜，大大減小了語(yǔ)音特征提取階段的算法復(fù)雜度；該算法較現(xiàn)有算法而言，使用了新的特征參數(shù)并提出新的模式識(shí)別算法,兩個(gè)階段都沒(méi)有做FFT,復(fù)雜度低且識(shí)別率提高，比較簡(jiǎn)單，適合于較小的模塊化機(jī)器人的聲控系統(tǒng)。

這里，還提供一種模塊化機(jī)器人語(yǔ)音識(shí)別模塊，包括殼體、固定于殼體上的電路板、語(yǔ)音輸入單元、信號(hào)輸出單元，所述語(yǔ)音輸入單元、信號(hào)輸出單元分別與電路板連接，所述電路板上加載了包含實(shí)現(xiàn)模塊化機(jī)器人語(yǔ)音識(shí)別算法的軟件程序。這種模塊化機(jī)器人語(yǔ)音識(shí)別模塊，便于應(yīng)用于機(jī)器人小型化的語(yǔ)音識(shí)別中，具有體積小、反應(yīng)快、識(shí)別率高的特點(diǎn)。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例的語(yǔ)音特征函數(shù)曲線f(x)；

圖2為圖1所示曲線f(x)的m個(gè)函數(shù)值構(gòu)成的向量(X₀(E),X₁(E),L,Xm(E))轉(zhuǎn)化為m維空間里的點(diǎn)f(X)＝{X₀(E),X₁(E),L,Xm(E)}的映射圖；

圖3為本發(fā)明實(shí)施例的語(yǔ)音識(shí)別模塊結(jié)構(gòu)示意圖；

其中：1.電路板，2.殼體，3.語(yǔ)音輸入單元，4.信號(hào)輸出單元。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參照?qǐng)D1、圖2所示，一種模塊化機(jī)器人語(yǔ)音識(shí)別算法，包括以下步驟：

S1、對(duì)語(yǔ)音特征函數(shù)f(x)間隔采樣，得到m個(gè)函數(shù)值(X₀(E),X₁(E),L,Xm(E))；

S2、以X₀,X₁，L,X_m作為希爾伯特空間的坐標(biāo)，將時(shí)域中的特征函數(shù)f(X)＝{X₀(E),X₁(E),L,Xm(E)}轉(zhuǎn)化為m維希爾伯特空間中的點(diǎn)，并將語(yǔ)音采樣函數(shù)族F(x)轉(zhuǎn)化為了希爾伯特空間中的一系列點(diǎn)；

S3、將希爾伯特空間作為語(yǔ)音信號(hào)新的特征空間，對(duì)F(x)系列點(diǎn)之間的相似關(guān)系進(jìn)行分析，并采取高維超球覆蓋方法得到模式識(shí)別模塊；

S4、在希爾伯特空間中，對(duì)語(yǔ)音信號(hào)進(jìn)行模式識(shí)別，完成語(yǔ)音識(shí)別。

圖1的曲線圖表示的是f(x)這個(gè)語(yǔ)音函數(shù)，其中橫坐標(biāo)表示時(shí)間，分別用X₀,X₁,L,X_t-n,X_t,X_t+n,L,X_m表示，縱坐標(biāo)表示每個(gè)時(shí)間點(diǎn)所對(duì)應(yīng)的語(yǔ)音值，分別用X₀(E),X₁(E),L,X_m(E)表示；如圖2所示，主要列舉了f(x)的三個(gè)函數(shù)值構(gòu)成的向量(X₀(E),X₁(E),X₂(E)轉(zhuǎn)化為三維空間里的點(diǎn)f(X)＝{X₀(E),X₁(E),X₂(E)}的映射圖。對(duì)超過(guò)三維的空間，可以依此類推。

進(jìn)一步的，對(duì)于n維特征空間，做出不同的超球體，通過(guò)它們來(lái)覆蓋空間內(nèi)不同語(yǔ)音的樣本點(diǎn)，求出n維超球方程為：

(X₁-X_1a)²+(X₂-X_2a)²+L+(X_n-X_na)²＝R²。

進(jìn)一步的，所述S1步驟中采用的語(yǔ)音信號(hào)的特征函數(shù)為過(guò)零譜函數(shù)。

進(jìn)一步的，從特征提取到模式識(shí)別算法中不包含F(xiàn)FT運(yùn)算。

下面以語(yǔ)音“開(kāi)”“關(guān)”兩個(gè)字為例，對(duì)本發(fā)明進(jìn)行進(jìn)一步說(shuō)明。

采用過(guò)零率對(duì)語(yǔ)音特征參數(shù)進(jìn)行提?。?/p>

選取“開(kāi)”“關(guān)”兩個(gè)字，對(duì)錄下的八組“開(kāi)”“關(guān)”語(yǔ)音信號(hào)進(jìn)行分幀、去噪、端點(diǎn)檢測(cè)等處理，其中每組“開(kāi)”“關(guān)”語(yǔ)音都被分成了16幀，然后求出各自的每一幀的過(guò)零譜。

過(guò)零譜其實(shí)就是一種時(shí)頻函數(shù)。提取過(guò)零譜的過(guò)程分為如下幾步：

第一步：首先是預(yù)處理過(guò)程，對(duì)語(yǔ)音信號(hào)進(jìn)行分幀處理，本文中將語(yǔ)音信號(hào)都是分成16幀，然后進(jìn)行端點(diǎn)檢測(cè)；

第二步：尋找出每一幀語(yǔ)音信號(hào)的過(guò)零點(diǎn)，并記錄其過(guò)零點(diǎn)的位置；

第三步：過(guò)零點(diǎn)個(gè)數(shù)作為x軸坐標(biāo)，上步記錄的過(guò)零點(diǎn)的位置作為y軸坐標(biāo)，在二維坐標(biāo)畫(huà)出曲線，得到的即為過(guò)零譜函數(shù)曲線圖。

在整個(gè)算法過(guò)程中，由于只計(jì)算了語(yǔ)音信號(hào)的過(guò)零點(diǎn)，因此其算法復(fù)雜度是O(n)。把過(guò)零譜參數(shù)與需要做FFT復(fù)雜算法的頻域參數(shù)比較的話，計(jì)算過(guò)零譜的算法相對(duì)簡(jiǎn)單；與時(shí)域參數(shù)比較的話，系統(tǒng)識(shí)別率要高于時(shí)域參數(shù)。

基于希爾伯特空間的超球覆蓋語(yǔ)音識(shí)別算法：

在二維空間中假設(shè)語(yǔ)音的第一幀樣本點(diǎn)為(X₁₁(E),X₁₂(E))，第二幀樣本點(diǎn)為(X₂₁(E),X₂₂(E))，以此類推可得全部十六幀的樣本點(diǎn)。將第一幀樣本點(diǎn)轉(zhuǎn)化為二維特征空間的(X₁₁(E),X₁₂(E))，將第二幀樣本點(diǎn)轉(zhuǎn)化為二維特征空間的點(diǎn)(X₂₁(E),X₂₂(E))，同理可將余下各幀樣本點(diǎn)轉(zhuǎn)化為二維特征空間的點(diǎn)。本文“開(kāi)”“關(guān)”各有16組數(shù)據(jù)，所以在二維特征空間中每一幀都可得到16個(gè)樣本點(diǎn)。以其中一幀為例，利用圓覆蓋樣本點(diǎn)的算法步驟如下所示：

步驟1：曲線擬合。將樣本點(diǎn)用一次線性擬合得到y(tǒng)與x的近似關(guān)系

y＝kx+d

ε_i＝y(tǒng)_i-(k_ix+d) i＝1,2,L,n

其中ε_i為(x_i,y_i)到擬合點(diǎn)(x_i,k_ix+d)的誤差，k、d為待定系數(shù)。

根據(jù)最小均方誤差準(zhǔn)則可得：

$E(k,d)=\underset{i=1}{\overset{N}{\&Sigma;}}{\mathrm{\&epsiv;}}_i^2=\underset{i=1}{\overset{n}{\&Sigma;}}{\&lsqb;y_i-(k_{i}x+d)\&rsqb;}^2;$

再根據(jù)極值原理

$\frac{\&part;E}{\&part;k}=\frac{\&part;E}{\&part;d}=0;$

確定未知量k和d的值，這樣可以得到一次直線擬合函數(shù)。

步驟2：求圓的圓心。

求出所有樣本點(diǎn)在直線y＝kx+d上的投影(x_i',y_i')，其中i＝1,2,L,n。找出投影點(diǎn)中相距最遠(yuǎn)的點(diǎn)min(x_i',y_i')，max(x'_j,y'_j)，過(guò)這兩點(diǎn)分別作直線y₁垂直于y₀，y₂垂直于y₀。則圓的圓心坐標(biāo)為

$(x_a,y_a)=(\frac{min{x}_i^{\&prime;}+\max y_j^{\&prime;}}{2},\frac{min{y}_i^{\&prime;}+\max y_j^{\&prime;}}{2}).$

步驟3：求圓的半徑。

找出所有樣本點(diǎn)中離直線y＝kx+d最遠(yuǎn)的點(diǎn)P(x_d,y_d)，則圓的半徑為則最后求出的圓為(x-x_a)²+(y-y_a)²＝R²。

假設(shè)語(yǔ)音的第一幀樣本點(diǎn)為(X₁₁(E),X₁₂(E),X₁₃(E))，第二幀樣本點(diǎn)(X₂₁(E),X₂₂(E),X₂₃(E))，第三幀樣本點(diǎn)(X₃₁(E),X₃₂(E),X₃₃(E))，以此類推下去可得全部十六幀的樣本點(diǎn)。將第一幀樣本點(diǎn)轉(zhuǎn)化為三維特征空間的點(diǎn)(X₁₁(E),X₁₂(E),X₁₃(E))，將第二幀樣本點(diǎn)轉(zhuǎn)化為三維特征空間的點(diǎn)(X₂₁(E),X₂₂(E),X₂₃(E))，將第二幀樣本點(diǎn)轉(zhuǎn)化為三維特征空間的點(diǎn)(X₃₁(E),X₃₂(E),X₃₃(E))，同理可將余下各幀樣本點(diǎn)轉(zhuǎn)化為三維特征空間的點(diǎn)。

對(duì)于三維特征空間，最后的目的是做出不同的球體，通過(guò)它們來(lái)覆蓋空間內(nèi)不同語(yǔ)音的樣本點(diǎn)。以其中一幀為例，具體的算法步驟如下所示：

第一步，首先按照在二維空間中的直線擬合方法，假設(shè)存在著一個(gè)平面z₁＝k₁x+k₂y+d，由最小均方誤差準(zhǔn)則會(huì)得到令解得k₁、k₂、d，則該平面的法向量為

第二步，在上一步的基礎(chǔ)上，滑動(dòng)該法平面，記使z₁可以過(guò)樣本點(diǎn)的兩個(gè)臨界位置為(x_i',y_i',z_i')，(x'_j,y'_j,z'_j)，令z_i'>z'_j，則球的圓心坐標(biāo)為

$(x_a,y_a,z_a)=(\frac{x_i^{\&prime;}+x_j^{\&prime;}}{2},\frac{y_i^{\&prime;}+y_j^{\&prime;}}{2},\frac{z_i^{\&prime;}+z_j^{\&prime;}}{2}).$

第三步，求出球的半徑。

找出所有樣本點(diǎn)中離直線最遠(yuǎn)的點(diǎn)Q(x_d,y_d,z_d)，則球的半徑為

$R=\sqrt{{(x-x_d)}^2+{(y-y_d)}^2+{(z-z_d)}^2},$

則最后得到球的方程為

Φ(x,y,z)＝(x-x_a)²+(y-y_a)²+(z-z_a)²＝R²。

如果是n維希爾伯特空間，假設(shè)語(yǔ)音的第i幀樣本點(diǎn)為(X_i1(E),X_i2(E),L,X_in(E))則轉(zhuǎn)化到n維希爾伯特空間會(huì)得到點(diǎn){X_i1(E),X_i2(E),L,X_in(E)}。首先根據(jù)最小均方誤差準(zhǔn)則，求出一個(gè)n-1維超平面，再將空間內(nèi)所有樣本點(diǎn)投影到此超平面上，則投影點(diǎn)可視為n-1維空間內(nèi)的樣本點(diǎn)，如此反復(fù)，最后即可將n維空間降為三維空間，再根據(jù)上述算法，類比上式就可求出n維超球方程為

(x₁-x_1a)²+(x₂-x_2a)²+L+(x_n-x_na)²＝R²。

參照?qǐng)D3所示，一種模塊化機(jī)器人語(yǔ)音識(shí)別模塊，包括殼體2、固定于殼體上的電路板1、語(yǔ)音輸入單元3、信號(hào)輸出單元4，所述語(yǔ)音輸入單元3、信號(hào)輸出單元4分別與電路板1連接，所述電路板1上加載了包含實(shí)現(xiàn)模塊化機(jī)器人語(yǔ)音識(shí)別算法的軟件程序。這里，語(yǔ)音識(shí)別模塊可對(duì)語(yǔ)音“開(kāi)”“關(guān)”信號(hào)進(jìn)行準(zhǔn)確識(shí)別。

盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同物限定。