基于连续混合高斯HMM模型的地名语音信号识别方法技术

本发明专利技术揭示的基于连续混合高斯HMM模型的地名语音信号识别方法，其中连续混合高斯HMM模型的训练过程如下：定义HMM模型并初始化；将一类地名语音信号的特征矩阵代入模型中进行训练；根据模型参数求出一类地名语音信号出现的概率；将该概率和训练之前的输出概率比较，判断相对误差是否满足输出条件；符合，输出该类地名语音信号对应的HMM模型；不符合，判断训练次数是否达到最高训练阈值；未到达，再训练一次，达到，输出HMM模型；将若干类地名语音信号的特征矩阵代入模型中，得到若干个不同地名对应的HMM模型，形成地名语音识别模型库。本发明专利技术能够有得到适合孤立词的地名语音识别的HMM模型及地名语音识别模型库，为准确进行地名语音识别创造了条件。

Recognition method of place names speech signals based on continuous mixed Gauss HMM model

The names of speech signal recognition method of continuous mixed Gauss model based on HMM is disclosed, in which the training process of continuous hybrid Gauss HMM model as follows: HMM model is defined and initialized; the characteristic matrix of a class of names into the model of speech signal for training; according to the model parameters to obtain the probability of a speech signal names appear; comparing the output probability and probability before the training, the relative error of judging whether meet the output conditions; with the output of the HMM model names corresponding to the speech signal; does not comply with the judgment, the number of training is the highest training does not reach the threshold; then, one training to output HMM model; the characteristic matrix into the model number names of speech signals, the HMM model of several different names corresponding to the formation of the speech recognition model library names. The invention can obtain a HMM model suitable for isolated word place name speech recognition and a geographical name speech recognition model library, thus creating the condition for accurate place name speech recognition.

【技术实现步骤摘要】
基于连续混合高斯HMM模型的地名语音信号识别方法
本专利技术涉及地名语音信号识别方法，尤其涉及一种基于连续混合高斯HMM模型的地名语音信号识别方法。
技术介绍
随着经济的高速发展和全球化趋势的日益突出，现代物流行业已在发达国家得到了空前的发展，并产生了巨大的经济效益和社会效益，物流资源有运输、仓储、分拣、包装、配送等，这些资源分散在多个领域，包括制造业、农业、流通业等。在分拣环节中，现阶段基本是人工进行分拣，由于工人们长期处于嘈杂的工作环境中，心里和身体上势必会产生一定的疲劳感，并且工作任务的单一性和重复性也会使他们的工作状态过于放松，这必然导致分拣精确性的下降，造成较多不可挽回的分拣失误事故发生，工业领域中对流水线上的产品分拣进行人工检测的方式已不能满足现代化工业的需求。语音识别发展到现在，作为人机交互的重要借口已经在很多方面改变了我们的生活，从智能家居的语音控制系统到车载语音识别系统，语音识别系统给我们带来了很多方便，因此将语音识别技术与物流分拣环节的融合是物流行业发展的必然要求。而物流分拣环节与语音识别技术结合的关键之一是如何有效地实现地名语音信号的准确识别，从而为自动化地将各类物品精确地归类到设定的地方提供技术支撑，目前鲜有看到针对孤立词的地名进行语音识别的相关技术，因此亟待进行地名语音识别技术的研发。
技术实现思路
本专利技术的目的就是为了解决现有技术中存在的上述问题，提供一种基于连续混合高斯HMM模型的地名语音信号识别方法。本专利技术的目的将通过以下技术方案得以实现：基于连续混合高斯HMM模型的地名语音信号识别方法，包括连续混合高斯HMM模型的训练过程及地名语音识别过程，其中，所述连续混合高斯HMM模型的训练过程如下：S1，定义一个包含如下参数的连续混合高斯HMM模型，λ＝(N，M，A，π，B)，其中：N，模型状态数，为4；M，每个状态所对应的高斯函数的个数，每个状态包含3个39维的高斯函数，一个模型中N个状态中每个状态高斯函数个数相同；A，状态转移概率矩阵，A＝{aij}，aij＝P[qt+1＝j/qt＝i],1≤i,j≤N，其中，qt＝i表示在t时刻处在状态i,q(t+1)＝j表示t+1时刻在状态j，整体表示从状态i转换到状态j的概率；π，各状态的起始概率分布，π＝πt，πt＝P[qi＝i],1≤i≤N,其中，π＝πt表示从状态i开始的概率，下标i表示各个状态对应的起始概率；B，输出概率密度函数，B＝{bj(o)}，其中，o为观察向量，M为每个状态包含的高斯元的个数；cjl为第j个状态第l个混合高斯函数的权，L为正态高斯概率密度函数，μjl为第j个状态第l个混合高斯元的均值矢量，Ujl为第j个状态第l个混合高斯元的协方差矩阵；S2，模型初始化，将初始状态π＝πt向量设置为(1000),状态转移矩阵A在其自身转移和转移到下一个状态的概率均为0.5，每个高斯函数均为39阶的均值为0、方差为1的函数，权重均为1/3；S3，将一类地名语音信号的特征矩阵代入模型中，利用Baum-Welch迭代算法进行一次模型参数训练；所述一类地名语音信号是指将一个地名的所有样本语音信号的特征矩阵数据放到一起，根据均值聚类法k-means进行聚类，分为4类，对应4个状态；S4，根据计算出的模型参数，使用viterbi算法求出一类地名语音信号出现的概率；S5，将该概率和训练之前的输出概率相比较，判断两者的相对误差是否满足输出条件；S6，若符合输出条件，输出该类地名语音信号对应的连续混合高斯HMM模型；S7，若不符合输出条件，判断训练次数是否达到最高训练阈值；S8，若训练次数未到达最高训练阈值，则重复S3-S7步骤，若训练次数达到最高训练阈值，则终止训练，输出连续混合高斯HMM模型；S9，将若干类地名语音信号的特征矩阵代入模型中，重复S3-S8步骤，得到若干个不同地名对应的连续混合高斯HMM模型，所有的连续混合高斯HMM模型数据形成地名语音识别模型库。优选的，所述的基于连续混合高斯HMM模型的地名语音信号识别方法，其中：所述S3步骤中，利用Baum-Welch算法计算模型参数的过程如下：S31，用Lagrange数乘法构造一个目标优化函数Q，其中包含了所有连续混合高斯HMM模型的参数作为变量；S32，令Q对各变量的偏导数为0，推导出Q达到极点时新的HMM参数对应于旧的HMM参数之间的关系，从而得到HMM各参数的估计；S33，用新旧HMM模型参数之间的函数关系反复迭代运算，直到HMM模型参数不再发生明显的变化为止。优选的，所述的基于连续混合高斯HMM模型的地名语音信号识别方法，其中：所述S6步骤中，若相对误差小于0.000001，说明模型训练已收敛，满足输出条件。优选的，所述的基于连续混合高斯HMM模型的地名语音信号识别方法，其中：所述地名语音识别过程如下：S10，将某一39维的地名语音信号特征矩阵代入已建立好的地名语音识别模型库中，利用viterbi算法求取它对每一类地名语音信号对应的连续混合高斯HMM模型的输出概率，并把该地名语音信号特征矩阵识别为输出概率最大的那一类。优选的，所述的基于连续混合高斯HMM模型的地名语音信号识别方法，其中：所述地名语音识别过程如下：S110，将一n×39的未知地名语音信号的特征矩阵输入已建立好的地名语音识别模型库中的一类地名语音信号对应的连续混合高斯HMM模型后，记其为观察序列O(o1,o2,…,on)，记Pin表示在连续第n帧信号输入之后出现在状态i的概率；pin表示在状态i观察到第n帧信号的概率；aij表示从状态i转移到状态j的概率；当第1帧信号输入，pi1＝fi(o1)；(1≤i≤4)，此处fi(o1)表示第一帧向量在状态i位置出现的概率；因为初始状态为1，所以P11＝p11；P21＝0；P31＝0；P41＝0；当第2帧信号输入，pi2＝fi(o2)；(1≤i≤4)则Pi2＝max{Pj1*aji*pi2}(1≤j≤4)，其中Pj1表示第一帧信号之后在状态i的概率，aji表示从状态j转移到状态i的概率；以此类推，当第n帧信号输入时，pin＝fi(on)；(1≤i≤4)Pin＝max{Pj(n-1)*aji*pin}(1≤j≤4)，其中n是一段语音信号的帧数；当未知地名语音信号的所有帧信号输入结束后，得到P1n,P2n,P3n,P4n四个概率，其中最大的一个概率即是未知地名语音信号在此类地名语音信号对应的连续混合高斯HMM模型中出现的概率；S120,将未知地名语音信号的特征矩阵代入所有其他类地名语音信号对应的连续混合高斯HMM模型中，得出此未知地名语音信号在每一个连续混合高斯HMM模型中出现的概率，并将则此未知地名语音信号归属于各类地名语音信号对应的连续混合高斯HMM模型中出现的概率最大的那一类。本专利技术技术方案的优点主要体现在：本专利技术设计精巧，过程合理，通过采集大量的地名语音样本、科学的算法及优化的训练条件，能够有效地训练得到适合孤立词的地名语音识别的连续混合高斯HMM模型并建立地名语音识别模型库，从而为后续进行地名语音识别创造了基础，为准确的识别出地名提供了保证。本专利技术利用地名语音信号的特点，选取的连续混合高斯模型是4个状态的，且每个状态包含3个39维的高斯函数，地名语音信号特征本文档来自技高网...

【技术保护点】
基于连续混合高斯HMM模型的地名语音信号识别方法，其特征在于：包括连续混合高斯HMM模型的训练过程及地名语音识别过程，其中，所述连续混合高斯HMM模型的训练过程如下：S1，定义一个包含如下参数的连续混合高斯HMM模型，λ＝(N，M，A，π，B)，其中：N，模型状态数，为4；M，每个状态所对应的高斯函数的个数，每个状态包含3个39维的高斯函数，一个模型中N个状态中每个状态高斯函数个数相同；A，状态转移概率矩阵，A＝{a

【技术特征摘要】
1.基于连续混合高斯HMM模型的地名语音信号识别方法，其特征在于：包括连续混合高斯HMM模型的训练过程及地名语音识别过程，其中，所述连续混合高斯HMM模型的训练过程如下：S1，定义一个包含如下参数的连续混合高斯HMM模型，λ＝(N，M，A，π，B)，其中：N，模型状态数，为4；M，每个状态所对应的高斯函数的个数，每个状态包含3个39维的高斯函数，一个模型中N个状态中每个状态高斯函数个数相同；A，状态转移概率矩阵，A＝{aij}，aij＝P[qt+1＝j/qt＝i],1≤i,j≤N，其中，qt＝i表示在t时刻处在状态i,q(t+1)＝j表示t+1时刻在状态j，整体表示从状态i转换到状态j的概率；π，各状态的起始概率分布，π＝πt，πt＝P[qi＝i],1≤i≤N,其中，π＝πt表示从状态i开始的概率，下标i表示各个状态对应的起始概率；B，输出概率密度函数，B＝{bj(o)}，其中，o为观察向量，M为每个状态包含的高斯函数的个数；cjl为第j个状态第l个混合高斯函数的权，L为正态高斯概率密度函数，μjl为第j个状态第l个混合高斯元的均值矢量，Ujl为第j个状态第l个混合高斯元的协方差矩阵；S2，模型初始化，将初始状态π＝πt向量设置为(1000),状态转移矩阵A在其自身转移和转移到下一个状态的概率均为0.5，每个高斯函数均为39阶的均值为0、方差为1的函数，权重均为1/3；S3，将一类地名语音信号的特征矩阵代入模型中，利用Baum-Welch迭代算法进行一次模型参数训练；所述一类地名语音信号是指将一个地名的所有样本语音信号的特征矩阵数据放到一起，根据均值聚类法k-means进行聚类，分为4类，对应4个状态；S4，根据计算出的模型参数，使用viterbi算法求出一类地名语音信号出现的概率；S5，将该概率和训练之前的输出概率相比较，判断两者的相对误差是否满足输出条件；S6，若符合输出条件，输出该类地名语音信号对应的连续混合高斯HMM模型；S7，若不符合输出条件，判断训练次数是否达到最高训练阈值；S8，若训练次数未到达最高训练阈值，则重复S3-S7步骤，若训练次数达到最高训练阈值，则终止训练，输出连续混合高斯HMM模型；S9，将若干类地名语音信号的特征矩阵代入模型中，重复S3-S8步骤，得到若干个不同地名对应的连续混合高斯HMM模型，所有的连续混合高斯HMM模型数据形成地名语音识别模型库。2.根据权利要求1所述的基于连续混合高斯HMM模型的地名语音信号识别方法，其特征在于：所述S3步骤中，利用Baum-Welch算法计算模型参数的过程如下：S31，用Lagrange数乘法构...

【专利技术属性】
技术研发人员：蔡熙，聂腾云，赖雪军，谢巍，车松勋，
申请(专利权)人：苏州金峰物联网技术有限公司，上海韵达货运有限公司，
类型：发明
国别省市：江苏,32