语音关键词检测及模型训练方法、系统、存储介质及电子设备技术方案

本申请提供一种语音关键词检测及模型训练方法、系统、存储介质及电子设备，所述模型训练方法包括：构建特征去噪神经网络，并训练所述特征去噪神经网络；构建时间二值权重神经网络，并训练所述时间二值权重神经网络；对所述特征去噪神经网络和所述时间二值权重神经网络进行联合训练，以基于训练好的特征去噪神经网络和时间二值权重神经网络进行语音关键词检测。本申请的语音关键词检测及模型训练方法、系统、存储介质及电子设备基于特征去噪‑时间二值权重神经网络实现语音关键词检测，有效提升了语音关键词检测的准确率。

【技术实现步骤摘要】

本申请属于语音识别的，特别是涉及一种语音关键词检测及模型训练方法、系统、存储介质及电子设备。

技术介绍

1、语音关键词检测是指从语音信号中识别特定的关键词或短语。关键词检测系统能够实时地从语音流中识别出用户所说的特定单词或短语，通常只需要对某些特定的词进行识别，而不需要识别整个语音内容，即判断输入的语音数据是否为关键词，若是关键词，则显示关键词名称，反之则显示非关键词或不显示。由于语音关键词检测系统通常运行在内存资源与计算资源有限的终端设备上，例如手机语音助手、智能家居、车载语音系统等边缘端应用。因此，语音命令词识别系统应同时满足高准确率、占用内存小、计算量低的要求。

2、关键词检测作为一种多分类任务，非常容易受到背景噪声的影响，从而导致识别准确率降低，误识别率升高。而关键词检测系统，又往往运行于非安静环境下，例如在嘈杂的大街上、商场里，或是在发动机轰鸣的车载环境下，关键词检测准确率往往会有所降低。因此，如何在保证低内存占用与低计算复杂度的前提下，提高关键词检测系统的抗噪鲁棒性是如今语音关键词检测技术的难点。

3、近年来，深度学习理本文档来自技高网...

【技术保护点】

1.一种语音关键词检测模型训练方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：提取语音数据的幅度谱包括以下步骤：

3.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：所述特征去噪神经网络包括依次相连的N个第一全连接层、N个ReLU激活函数、N个第二全连接层以及M个Sigmoid激活函数；其中M、N为自然数；

4.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：提取语音数据的对数梅尔频谱特征包括以下步骤：

5.根据权利要求1所述的语音关键词检测模型训练方法，其特...

【技术特征摘要】

1.一种语音关键词检测模型训练方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：提取语音数据的幅度谱包括以下步骤：

3.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：所述特征去噪神经网络包括依次相连的n个第一全连接层、n个relu激活函数、n个第二全连接层以及m个sigmoid激活函数；其中m、n为自然数；

4.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：提取语音数据的对数梅尔频谱特征包括以下步骤：

5.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：所述时间二值权重神经网络包括依次相连的一个二值权重卷积层、一个批归一化层、一个relu激活函数、多个时间二值权重卷积块、一个全局平均池化层和一个第三全连接层；

6.根据权利要求1所述的语音关键词检测模型训练方法，其特征在于：对所述特征去噪神经网络和所述时间二值...

【专利技术属性】
技术研发人员：王啸，张广洁，方超，吴侃，杨海，汪志伟，程志航，陆智超，
申请(专利权)人：芯原微电子海南有限公司，
类型：发明
国别省市：