语音识别方法、装置、设备及按摩沙发制造方法及图纸

技术编号:28735457 阅读:12 留言:0更新日期:2021-06-06 11:40
本发明专利技术适用于声音识别技术领域,公开了一种语音识别方法、装置、设备及按摩沙发,上述方法包括:对语音信号进行分段处理,选取第一段语音子信号作为目标语音子信号,并提取其特征参数;若目标语音子信号的能量不大于预设能量阈值,则将特征参数存储于第一存储器中,选取新的目标语音子信号,并跳转至提取其特征参数的步骤循环执行;若目标语音子信号的能量大于预设能量阈值,则将特征参数存储于第二存储器中,并提取接下来第一预设数量的语音子信号的特征参数存储于第二存储器中;将第一存储器中的特征参数和第二存储器中的特征参数合并,并输入预先训练完成的分类模型中,得到语音识别结果。本发明专利技术能在保证一定准确率的同时减小运算量。算量。算量。

【技术实现步骤摘要】
语音识别方法、装置、设备及按摩沙发


[0001]本专利技术属于声音识别
,尤其涉及一种语音识别方法、装置、设备及按摩沙发。

技术介绍

[0002]传统的语音识别通常是将语音拆解为喉咙声门的基频振动和口腔咬字变化的包络线变化,并根据两者随着时变的状态来进行识别。这种语音识别方法虽然结果较为精准,但是运算量却非常庞大。
[0003]目前,需要进行语音识别的产品,基本都是轻巧型的产品,例如,无线耳机等等,这种产品需要运算量相对较小且具有准确率相对较高的语音识别方法,而现有的语音识别方法无法兼顾相对较小的运算量和相对较高的准确率。

技术实现思路

[0004]有鉴于此,本专利技术实施例提供了一种语音识别方法、装置、设备及按摩沙发,以解决现有技术无法兼顾相对较小的运算量和相对较高的准确率的问题。
[0005]本专利技术实施例的第一方面提供了一种语音识别方法,包括:
[0006]获取语音信号,并对语音信号进行分段处理,得到多段语音子信号;
[0007]选取多段语音子信号中的第一段语音子信号作为目标语音子信号,并提取目标语音子信号的特征参数;
[0008]若目标语音子信号的能量不大于预设能量阈值,则将特征参数存储于第一存储器中,选取目标语音子信号的下一段语音子信号作为新的目标语音子信号,并跳转至提取目标语音子信号的特征参数的步骤循环执行;
[0009]若目标语音子信号的能量大于预设能量阈值,则将特征参数存储于第二存储器中,并提取接下来第一预设数量的语音子信号的特征参数,并将第一预设数量的语音子信号的特征参数存储于第二存储器中;
[0010]将第一存储器中的特征参数和第二存储器中的特征参数合并,并将合并后的特征参数输入预先训练完成的分类模型中,得到语音识别结果。
[0011]本专利技术实施例的第二方面提供了一种语音识别装置,包括:
[0012]获取模块,用于获取语音信号,并对语音信号进行分段处理,得到多段语音子信号;
[0013]选取模块,用于选取多段语音子信号中的第一段语音子信号作为目标语音子信号,并提取目标语音子信号的特征参数;
[0014]信号处理模块,用于若目标语音子信号的能量不大于预设能量阈值,则将特征参数存储于第一存储器中,选取目标语音子信号的下一段语音子信号作为新的目标语音子信号,并跳转至提取目标语音子信号的特征参数的步骤循环执行;若目标语音子信号的能量大于预设能量阈值,则将特征参数存储于第二存储器中,并提取接下来第一预设数量的语
音子信号的特征参数,并将第一预设数量的语音子信号的特征参数存储于第二存储器中;
[0015]语音识别模块,用于若将第一存储器中的特征参数和第二存储器中的特征参数合并,并将合并后的特征参数输入预先训练完成的分类模型中,得到语音识别结果。
[0016]本专利技术实施例的第三方面提供了一种语音识别设备,包括程序存储器、处理器以及存储在程序存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如第一方面所述语音识别方法的步骤。
[0017]本专利技术实施例的第四方面提供了一种按摩沙发,包括头部靠垫和如第三方面所述的语音识别设备;
[0018]所述语音识别设备设于所述头部靠垫中。
[0019]本专利技术实施例与现有技术相比存在的有益效果是:本专利技术实施例通过对语音信号进行分段处理,并在目标语音子信号的能量不大于预设能量阈值时,将其特征参数存储于第一存储器中,并继续判断下一段语音子信号的能量是否大于预设能量阈值;在目标语音子信号的能量大于预设能量阈值时,将其特征参数存储于第二存储器中,并提取接下来第一预设数量的语音子信号的特征参数,存储于第二存储器,最后将第一存储器中的特征参数和第二存储器中的特征参数合并,并将合并后的特征参数输入预先训练完成的分类模型中,得到语音识别结果,能够在获取到足够多的特征参数后即可进行语音识别,无需对每段语音子信号均进行特征提取,能够在保证一定的准确率的同时减小运算量,可以兼顾相对较小的运算量和相对较高的准确率。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术一实施例提供的语音识别方法的实现流程示意图;
[0022]图2是本专利技术一实施例提供的语音识别装置的示意框图;
[0023]图3是本专利技术一实施例提供的语音识别设备的示意框图;
[0024]图4是本专利技术一实施例提供的按摩沙发的示意图。
具体实施方式
[0025]以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
[0026]为了说明本专利技术所述的技术方案,下面通过具体实施例来进行说明。
[0027]图1是本专利技术一实施例提供的语音识别方法的实现流程示意图,为了便于说明,仅示出了与本专利技术实施例相关的部分。本专利技术实施例的执行主体可以是语音识别设备包含的处理器。如图1所示,该方法可以包括以下步骤:
[0028]S101:获取语音信号,并对语音信号进行分段处理,得到多段语音子信号。
[0029]其中,语音信号可以为数字化声音信号。将分段后的每段语音信号均称为语音子信号。
[0030]可选地,可以对语音信号按照等时间间隔且不重叠的方式进行分段处理,例如,可以每32ms为一段,即0

32ms为第一段语音子信号,32

64ms为第二段语音子信号,以此类推;也可以对语音信号按照等时间间隔且部分重叠的方式进行分段处理,例如,可以每32ms为一段,重叠16ms,即0

32ms为第一段语音子信号,16ms

48ms为第二段语音子信号,以此类推;也可以对语音信号按照非等时间间隔的方式进行分段;可以根据实际需求进行分段处理,在此不做具体限制。
[0031]具体地,可以用音框对语音信号进行分段处理,每个音框对应一段语音子信号。
[0032]S102:选取多段语音子信号中的第一段语音子信号作为目标语音子信号,并提取目标语音子信号的特征参数。
[0033]在本专利技术的一个实施例中,上述S102中的“选取多段语音子信号中的第一段语音子信号作为目标语音子信号”,可以包括:
[0034]按照时间由早到晚的顺序,选取所述多段语音子信号中的第一段语音子信号作为目标语音子信号。
[0035]具体地,第一段语音子信号为按照时间顺序,时间最早的语音子信号,例如,可以为上述示例中本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种语音识别方法,其特征在于,包括:获取语音信号,并对所述语音信号进行分段处理,得到多段语音子信号;选取所述多段语音子信号中的第一段语音子信号作为目标语音子信号,并提取所述目标语音子信号的特征参数;若所述目标语音子信号的能量不大于预设能量阈值,则将所述特征参数存储于第一存储器中,选取所述目标语音子信号的下一段语音子信号作为新的目标语音子信号,并跳转至所述提取所述目标语音子信号的特征参数的步骤循环执行;若所述目标语音子信号的能量大于所述预设能量阈值,则将所述特征参数存储于第二存储器中,并提取接下来第一预设数量的语音子信号的特征参数,并将所述第一预设数量的语音子信号的特征参数存储于所述第二存储器中;将所述第一存储器中的特征参数和所述第二存储器中的特征参数合并,并将合并后的特征参数输入预先训练完成的分类模型中,得到语音识别结果。2.根据权利要求1所述的语音识别方法,其特征在于,所述将所述特征参数存储于第一存储器中,包括:若第一存储器中已存储的特征参数的数量不小于第二预设数量,则将所述第一存储器中最先存储的特征参数删除,并将所述目标语音子信号的特征参数按时间顺序存储于所述第一存储器中;若所述第一存储器中已存储的特征参数的数量小于所述第二预设数量,则将所述目标语音子信号的特征参数按时间顺序存储于所述第一存储器中。3.根据权利要求1所述的语音识别方法,其特征在于,所述选取所述多段语音子信号中的第一段语音子信号作为目标语音子信号,包括:按照时间由早到晚的顺序,选取所述多段语音子信号中的第一段语音子信号作为目标语音子信号。4.根据权利要求1所述的语音识别方法,其特征在于,所述第一存储器以环形队列的方式存储数据,且所述第一存储器的容量为第二预设数量。5.根据权利要求1至4任一项所述的语音识别方法,其特征在于,在所述将合并后的特征参数输入预先训练完成的分类模型中,得到语音识别结果之前,所述语音识别方法还包括:获取训练样本集,并提取所述训练样本集中的每个训练样本的特征参数;对每个训练样本的...

【专利技术属性】
技术研发人员:萧尧林友钦
申请(专利权)人:漳州立达信光电子科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1