一种基于自然语言处理的机器人语音识别方法技术

本发明专利技术公开了一种基于自然语言处理的机器人语音识别方法，该方法包括以下具体步骤：语音信号的采集、语音信号的预处理、特征提取、模型训练和模式匹配。本发明专利技术通过采用对自然语言进行一系列的处理，从而使得机器人对自然语言的语音识别，提高了识别的准确度和效率；通过滤波等处理措施，提高了语音信号的清洗度，从而便于识别；通过该语音识别方法，提高了机器人的智能化水平。

【技术实现步骤摘要】

本专利技术属于语音识别
，特别是涉及一种基于自然语言处理的机器人语音识别方法。
技术介绍
随着科学技术的发展，语音识别技术正逐步形成一套比较完善的理论体系，其应用产品也相继推出，具有识别自认语音的机器人就是其中一种。在机器人通信系统中加入自然语言和语音识别技术，可完全转变传统机器人通信服务形式。使用具有语音处理和语音技术能力的通信网络，机器人可以非常便捷地从远端的数据库系统中查询与提取有关的信息。自然语言处理技术和语音识别技术正逐步成为信息技术中人机接口的关键技术，在不久的将来，通过语音识别技术与语音合成技术的结合，人们就能够通过语音命令来进行原需要利用按钮控制才可以进行的操作。
技术实现思路
本专利技术的目的在于提供一种基于自然语言处理的机器人语音识别方法，通过该方法的应用，解决了现有的传统机器人语言识别性能难以满足社会需求的问题。为解决上述技术问题，本专利技术是通过以下技术方案实现的：本专利技术为一种基于自然语言处理的机器人语音识别方法，该方法包括以下具体步骤：步骤一，语音信号的采集机器人通过其音频传感器接收自然语言的语音信号，其中音频传感器包括话筒；步骤二，语音信号的预处理语音信号的预处理包括预滤波、语音信号的数字化、预加重、加窗分帧、噪声抑制和端点检测；步骤三，特征提取将经过步骤二处理后的语音信号进行语音特征参数的提取，选用语音特征是语音识别的根本，其中语音特征为帧特征矢量；步骤四，模型训练对经过步骤三处理后的语音信号进行模型训练，模型训练用于使机器人从大量的真实语音中获取模型参数，继而形成语音参考模式库；步骤五，模式匹配根据一定的规则，利用步骤四中模型参数对输入的语音进行模式匹配，并输出识别结果。进一步地，步骤二中所述的预滤波是采用带通滤波器，预滤波用于抑制输入信号各频域分量中频率超出采样频率一半的所有分量以及抑制50Hz或60Hz的电源工频信号。进一步地，步骤二中所述的语音信号的数字化包括语音信号的采样和语音信号的量化，即首先对语音信号进行采样，然后再对语音信号进行量化，继而得到离散时域的语音信号。进一步地，步骤二中所述的预加重是用于提升语音信号中的高频信号的能量，以弥补声音的在唇部辐射时产生的高频部分能量的损失。进一步地，步骤二中所述的加窗分帧是将语音信号经过加窗分帧后被处理为短时语音帧，继而把每个短时语音帧看作平稳的随机信号，然后逐帧提取语音信号的特征矢量，最后得到由每一帧参数组成的语音特征参数序列。本专利技术具有以下有益效果：本专利技术通过采用对自然语言进行一系列的处理，从而使得机器人对自然语言的语音识别，提高了识别的准确度和效率；通过滤波等处理措施，提高了语音信号的清晰度，从而便于识别；通过该语音识别方法，提高了机器人的智能化水平。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。具体实施方式下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术为一种基于自然语言处理的机器人语音识别方法，该方法包括以下具体步骤：步骤一，语音信号的采集机器人通过其音频传感器接收自然语言的语音信号；步骤二，语音信号的预处理语音信号的预处理包括预滤波、语音信号的数字化、预加重、加窗分帧、噪声抑制和端点检测；语音信号的预处理是语音识别过程的前期预备工作，为后续各个环节的处理奠定基础；其中，预滤波是采用带通滤波器，预滤波的目的有两个：其一是抑制输入信号各频域分量中频率超出采样频率一半的所有分量，以防止频率混叠干扰；其二是抑制50Hz或60Hz的电源工频干扰；其中，语音信号的数字化包括语音信号的采样和语音信号的量化，即首先对语音信号进行采样，然后再对语音信号进行量化，继而得到离散时域的语音信号；其中，预加重是用于提升语音信号中高频信息部分的能量，以弥补声音的在唇部辐射时产生的高频信号部分的能量损失；其中，加窗分帧是将语音信号经过加窗分帧后被处理为短时语音帧，继而把每个短时语音帧看作平稳的随机信号，然后逐帧提取语音信号的特征矢量，最后得到由每一帧参数组成的语音特征参数序列；步骤三，特征提取将经过步骤二处理后的语音信号进行语音特征参数的提取，选用语音特征是语音识别的根本，其中语音特征为帧特征矢量；步骤四，模型训练对经过步骤三处理后的语音信号进行模型训练，训练的目的是让机器人从大量的真实语音中学习必要的模型参数，用于形成语音参考模式库，为识别阶段做准备；步骤五，模式匹配根据一定的规则，利用步骤四中模型参数对输入的语音进行模式匹配，并输出识别结果。在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。最后需要说明的是，以上公开的本专利技术优选实施例只是用于帮助阐述本专利技术。优选实施例并没有详尽叙述所有的细节，也不限制该专利技术仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本专利技术的原理和实际应用，从而使所属
技术人员能很好地理解和利用本专利技术。本专利技术仅受权利要求书及其全部范围和等效物的限制。本文档来自技高网...

【技术保护点】
一种基于自然语言处理的机器人语音识别方法，其特征在于：该方法包括以下具体步骤：步骤一，语音信号的采集机器人通过其音频传感器接收自然语言的语音信号，其中音频传感器包括话筒；步骤二，语音信号的预处理语音信号的预处理包括预滤波、语音信号的数字化、预加重、加窗分帧、噪声抑制和端点检测；步骤三，特征提取将经过步骤二处理后的语音信号进行语音特征参数的提取，选用语音特征是语音识别的根本，其中语音特征为帧特征矢量；步骤四，模型训练对经过步骤三处理后的语音信号进行模型训练，模型训练用于使机器人从大量的真实语音中获取模型参数，继而形成语音参考模式库；步骤五，模式匹配根据一定的规则，利用步骤四中模型参数对输入的语音进行模式匹配，并输出识别结果。

【技术特征摘要】
1.一种基于自然语言处理的机器人语音识别方法，其特征在于：该方法包括以下具体步骤：步骤一，语音信号的采集机器人通过其音频传感器接收自然语言的语音信号，其中音频传感器包括话筒；步骤二，语音信号的预处理语音信号的预处理包括预滤波、语音信号的数字化、预加重、加窗分帧、噪声抑制和端点检测；步骤三，特征提取将经过步骤二处理后的语音信号进行语音特征参数的提取，选用语音特征是语音识别的根本，其中语音特征为帧特征矢量；步骤四，模型训练对经过步骤三处理后的语音信号进行模型训练，模型训练用于使机器人从大量的真实语音中获取模型参数，继而形成语音参考模式库；步骤五，模式匹配根据一定的规则，利用步骤四中模型参数对输入的语音进行模式匹配，并输出识别结果。2.根据权利要求1所述的一种基于自然语言处理的机器人语音识别方法，其特征在于：步骤二中所述的预滤波是采用带通滤波器，预滤波用于抑制...

【专利技术属性】
技术研发人员：高陈陈，
申请(专利权)人：安徽省云逸智能科技有限公司，
类型：发明
国别省市：安徽;34