【技术实现步骤摘要】
本专利技术涉及语音识别，具体涉及基于噪声抑制残差网络的语音关键词识别方法。
技术介绍
1、深度学习算法进入了一个新的阶段，在语音识别等各种认知任务中，其准确性已经超过人类。越来越多的人工智能产品也进入到我们的日常生活中，人们工作、学习和生活的效率得到了极大提高。语音交互解放了人们的双手和双眼，将用户手部的工作量转移到语音交互设备，语音交互设备将语音转换成文字，再根据文字的内容对设备进行具体的指令控制，例如语音助手、命令控制、智能家居、手机等，在需要多种感官协同操作的场景下效率更高。语音交互设备大部分时间处于睡眠状态，等待并时刻检测唤醒词，当唤醒词发生时则监听用户的语音输入，激活语音交互程序。语音交互越来越成为未来科技感生活的潮流，从集成在其他设备中的辅助工具到独立的语音交互产品，也反映了语音交互的飞跃发展。
2、语音交互产品大多数都属于小型的嵌入式设备，并且使用语音关键词识别模型检测唤醒词，因此关键词识别模型要求占用内存小，计算低，同时还要保证检测的准确性，避免过多消耗语音交互设备有限的电量。此外，现有的语音关键词识别模型测...
【技术保护点】
1.基于噪声抑制残差网络的语音关键词识别方法，其特征在于，包括：
2.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，所述第一卷积层设置3个，每个卷积层包括一维深度可分离卷积、批归一化和Swish激活函数，其卷积核大小分别设置为3、5、1。
3.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，所述第二卷积层设置3个，每个卷积层包括一维深度可分离卷积、批归一化和Swish激活函数，其卷积核大小分别设置为17、19、1，卷积滤波器数量设置为128，128，128。
4.根据权利要求1所述基...
【技术特征摘要】
1.基于噪声抑制残差网络的语音关键词识别方法，其特征在于，包括：
2.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，所述第一卷积层设置3个，每个卷积层包括一维深度可分离卷积、批归一化和swish激活函数，其卷积核大小分别设置为3、5、1。
3.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，所述第二卷积层设置3个，每个卷积层包括一维深度可分离卷积、批归一化和swish激活函数，其卷积核大小分别设置为17、19、1，卷积滤波器数量设置为128，128，128。
4.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，在噪声抑制残差模块中，初步语音特征先经过频域特征提取层，再进入时域特征提取层，最后经过噪声抑制层的处理，与两个跳跃链接所携带的特征进行叠加，得到输出特征。
5.根据权利要求1所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，所述噪声抑制残差模块实现的整体流程为：
6.根据权利要求4或5所述基于噪声抑制残差网络的语音关键词识别方法，其特征在于，当初步语音特征流入频域特征提取层时，此时特征形状为忽略batch维度后，将初步语音特征x的形状以表示，其中h和w分别表示特征矩阵的高度和宽度；在提取频域特征时为了拟合二维深度可分离卷积的输入形状，使用unsqueeze函数为其增加一个维度，此时特征形状为之后通过二维卷积层并增加通道数量与swish激活函数处理，再经过二维深度可分离卷积提取频域特征与swish激活函数处理，最后使用二维卷积层还原通道数量并进行频带加权归一化与swish激活函数处理，最终通过squeeze函数压缩回形状作为频域特征提取层的输出y1；此时特征y1会被记录，通过跳跃链接方式与模块最终输出...
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。