【技术实现步骤摘要】
本专利技术涉及数据传输，尤其涉及一种基于语音技术的跨网数据摆渡方法及系统。
技术介绍
1、随着互联网技术的不断发展，人们已经可以便捷地在网络上获取各类信息，但与此同时，对涉密数据的安全私密性防护的挑战也在不断增长。
2、在一些具有高保密要求的数据传输场景下，组织实体下的不同的分支部门也要保障数据信息无法随意传输，因此各个分支部门会各自采用局域网，以在保障数据在部门内的不同成员之间流通的同时，还能防止部门数据外泄至其他非授权部门，例如，部门o1采用a业务局域网，部门o2采用b业务局域网，部门o3采用c业务局域网，等等。
3、然而，这样针对各个部门分别独立设置的局域网络，导致组织实体的网络运维人员在对各个部门进行网络维护时，需要分别访问各个局域网并监测其网络是否存在故障，而在局域网数量众多时，运维人员需要大量的时间定位局域网故障，并还会因未及时作出故障响应而引发抱怨，给运维工作带来了不便。
技术实现思路
1、本专利技术实施例提供了一种基于语音技术的跨网数据摆渡方法及系统，用于至少解决现有技术中针对多个局域网的网络信息维护不便的问题。
2、第一方面，本专利技术实施例提供一种基于语音技术的跨网数据摆渡方法，包括：针对各个局域网，基于所述局域网中的网络监测模块对所述局域网的网络状态参数进行监测；针对各个所述局域网，基于所述局域网中的音箱从相应的所述网络监测模块接收网络状态参数，并根据所述网络状态参数生成针对所述局域网的状态监测音频；基于麦克风采集各个所述状
3、可选地，在基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果之后，所述方法还包括：根据对应预设时间段的所述网络监测结果，针对各个所述局域网分别生成相应的网络状态曲线；基于显示模块，显示所述网络状态曲线。
4、可选地，所述基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果，包括：基于语音识别模块识别所述各个状态监测音频，以提取针对所述各个局域网的网络状态参数；将所述各个局域网的网络状态参数分别与预设的网络正常状态条件进行匹配，以从所述各个局域网的网络状态参数中筛选异常网络状态参数；所述网络正常状态条件定义了网络正常所对应的状态参数范围；根据各个所述异常网络状态参数和相应的局域网信息，生成网络监测结果，使得运维人员能够基于所述网络监测结果对存在网络故障的局域网进行故障排查。
5、可选地，在所述环境空间中还设置有与各个所述音箱通信连接的音频播放控制器，所述基于语音识别模块识别所述各个状态监测音频，包括：基于所述音频播放控制器，控制各个所述音箱顺序播放相应的所述状态监测音频，使得所述麦克风能够依次采集各个所述状态监测音频；基于语音识别模块，依次对由所述麦克风依次采集的状态监测音频进行识别。
6、可选地，所述麦克风的数量为多个，且各个所述麦克风分别被部署在所述环境空间中的不同位置；每一所述麦克风分别用于针对由音箱所播放的状态监测音频而生成相应的音频分量，相应地，所述状态监测音频为多分量状态监测音频；在基于语音识别模块，依次对所述音箱所顺序播放的状态监测音频进行识别之前，所述方法还包括：基于回音消除模型，对所述多分量状态监测音频进行回音消除处理；所述回音消除模型包含深度学习模型模块、声学空间定位模型模块和回声延迟滤波模块；其中，所述回音消除处理具体包括：将所述多分量状态监测音频所对应的梅尔频率倒谱系数特征序列和被控制进行音频播放所述音箱的音箱信息输入至所述深度学习模型模块，以由所述深度学习模型模块确定相应的降噪音频数据；将所述多分量状态监测音频输入至所述声学空间定位模型模块，以针对多分量状态监测音频生成在多个预设方向上的波束形成音频，并从各个所述波束形成音频中确定对应具有最大音频能量的目标波束形成音频；将所述降噪音频数据、所述目标波束形成音频和各个所述预设方向输入至回声延迟滤波模块，以对所述目标波束形成音频在所述各个预设方向进行回声延迟优化。
7、可选地，在将所述多分量状态监测音频所对应的梅尔频率倒谱系数特征序列输入至所述深度学习模型模块之前，所述方法还包括：对所述多分量状态监测音频进行离散傅里叶变换，以得到相应的音频信号频谱图：
8、x(n)＝∣stft{x(t)}(f)∣；
9、其中，x(t)表示在离散时间t处的音频特征值；
10、从所述音频信号频谱图中提取多个梅尔频率倒谱系数：
11、
12、其中，cm表示第m个梅尔频率倒谱系数，n表示梅尔滤波器的数量，hm(n,k)表示梅尔滤波器的频率响应；
13、根据所述多个梅尔频率倒谱系数，生成梅尔频率倒谱系数特征序列。
14、可选地，所述声学空间定位模型模块通过包括以下方式来确定目标波束形成音频：基于所述各个音频分量，计算在多个预设方向的波束形成音频：
15、
16、其中，s(θ)是在预设方向θ上波束形成的输出，xm(ejθ)是麦克风阵列在预设方向θ上的频率响应，wm是波束形成的权重；
17、基于时间差法，计算各个所述波束形成音频的音频能量：
18、
19、其中，argmax表示使括号内表达式最大的时刻m，即相关性最强的时刻；m是信号的长度，fs表示信号采样频率；
20、将对应音频能量最大的波束形成音频确定为目标波束形成音频，并将所述目标波束形成音频与深度学习模型的输出相乘，以便在时频域上同时考虑波束形成的空间信息和深度学习模型学到的声音分离信息：
21、y(t,ω)＝s(θ)’×x(t,ω)；
22、其中，y(t,ω)是空间滤波后的音频，s(θ)’表示目标波束形成音频，以及x(t,ω)是深度学习模型模块输出的降噪音频数据。
23、可选地，所述回声延迟滤波模块：通过包括以下方式来对所述目标波束形成音频在所述各个预设方向进行回声延迟优化：
24、
25、其中，z(t,ω)是最终输出的供所述语音识别模块处理的状态监测音频，ωθ是空间滤波后的音频在方向θ上回声延迟。
26、可选地，所述深度学习模型为卷积神经网络，以通过卷积层在频域上的感受野学习各个所述音箱的频谱特征信息。
27、第二方面，本专利技术实施例提供一种基于语音技术的跨网数据摆渡系统，包括：状态监测单元，用于针对各个局域网，基于所述局域网中的网络监测模块对所述局域网的网络状态参数进行监测；音频生成单元，用于针对各个所述局域网，基于所述局域网中的音箱从相应的所述网络监测模块接收网络状态参数，并根据所述网络状态参数生成针对所述局域网的状态监测音频；音频采集单元，用于基于麦克风采集各个所述状态监测音频；所述麦克风与各个所述音本文档来自技高网...
【技术保护点】
1.一种基于语音技术的跨网数据摆渡方法，包括：
2.根据权利要求1所述的方法，其中，在基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果之后，所述方法还包括：
3.根据权利要求1所述的方法，其中，所述基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果，包括：
4.根据权利要求1所述的方法，其中，在所述环境空间中还设置有与各个所述音箱通信连接的音频播放控制器，
5.根据权利要求4所述的方法，其中，所述麦克风的数量为多个，且各个所述麦克风分别被部署在所述环境空间中的不同位置；每一所述麦克风分别用于针对由音箱所播放的状态监测音频而生成相应的音频分量，相应地，所述状态监测音频为多分量状态监测音频；
6.根据权利要求5所述的方法，其中，在将所述多分量状态监测音频所对应的梅尔频率倒谱系数特征序列输入至所述深度学习模型模块之前，所述方法还包括：
7.根据权利要求5所述的方法，其中，所述声学空间定位模型模块通过包括以下方式来确定目标波束形成音频：
8.根据权利要
9.根据权利要求6所述的方法，其中，所述深度学习模型模块采用卷积神经网络，以通过卷积层在频域上的感受野学习各个所述音箱的频谱特征信息。
10.一种基于语音技术的跨网数据摆渡系统，包括：
...【技术特征摘要】
1.一种基于语音技术的跨网数据摆渡方法，包括：
2.根据权利要求1所述的方法，其中，在基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果之后，所述方法还包括：
3.根据权利要求1所述的方法，其中，所述基于语音识别模块识别所述各个状态监测音频，并根据语音识别结果生成网络监测结果，包括：
4.根据权利要求1所述的方法，其中，在所述环境空间中还设置有与各个所述音箱通信连接的音频播放控制器，
5.根据权利要求4所述的方法，其中，所述麦克风的数量为多个，且各个所述麦克风分别被部署在所述环境空间中的不同位置；每一所述麦克风分别用于针对由音箱所播放的状态监测音频而生成相应的音频分量，相应地，所述...
【专利技术属性】
技术研发人员：李伟，王娜娜，谌秋实，毕永红，赵珣，张珊珊，江萌，房静静，胡荣健，王文萍，杨娇，牛士玮，于洋，王政赐，方士兵，丁超，
申请(专利权)人：中国人民解放军六一六二三部队，
类型：发明
国别省市：
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。