[发明专利]一种基于语音属性分类的交互系统及其方法

权利要求书

1.一种基于语音属性分类的交互系统，所述系统包括：

声学特征提取单元，配置用于提取输入的语音信号的每帧语音的至少一个声学特征；

语音属性分类单元，配置用于将所述每帧语音的所述至少一个声学特征输入两个以上属性识别分类器，产生两个以上语音属性值的输出，标识每个属性的概率，通过所述两个以上属性识别分类器计算所述语音信号所有语音帧的概率输出的平均值作为所述语音信号的最终概率，确定所述至少一个声学特征的语音属性值，其中，每一个属性识别分类器输出一个语音属性值，得到两个以上语音属性结果；

交互决策单元，配置用于基于所述两个以上语音属性结果，做出交互内容的决策，输出反馈信息。

2.根据权利要求1所述的系统，其特征在于，所述声学特征提取单元包括前段处理单元，所述前段处理单元配置用于对输入的语音信号进行数字化预处理和语音端点检测。

3.根据权利要求1所述的系统，其特征在于，所述声学特征提取单元包括，配置用于提取语音的基频、梅尔频率倒谱系数(MFCC)、共振峰。

4.根据权利要求3所述的系统，其特征在于，所述声学特征提取单元，配置用于提取的所述声学特征还包括至少以下一项：短时能量特征、基音抖动和闪烁、谐波噪声比。

5.根据权利要求1所述的系统，其特征在于，所述语音属性分类单元，包括至少以下一种属性识别分类器：性别属性识别分类器，年龄属性识别分类器，情绪属性识别分类器，健康属性识别分类器。

6.根据权利要求1所述的系统，其特征在于，所述属性识别分类器采用深度神经网络(DNN)算法。

7.根据权利要求6所述的系统，其特征在于，所述属性识别分类器的工作模式分为训练模式和测试模式，其中训练模式采用两段式训练，包括预训练阶段和微调阶段，在预训练阶段采用无监督受限玻尔兹曼机模型，在微调阶段采用误差反向传播算法。

8.一种基于语音属性分类的交互方法，所述方法包括：

提取输入的语音信号的每帧语音的至少一个声学特征；

将所述每帧语音的所述至少一个声学特征输入两个以上属性识别分类器，产生两个以上语音属性值的输出，标识每个属性的概率，通过所述两个以上属性识别分类器计算所述语音信号所有语音帧的概率输出的平均值作为所述语音信号的最终概率，经属性识别分类确定所述至少一个声学特征的语音属性值，其中，每一个属性识别分类器输出一个语音属性值，得到两个以上语音属性结果；

基于所述两个以上语音属性结果，做出交互内容的决策，输出反馈信息。

9.根据权利要求8所述的方法，其特征在于，所提取输入的语音信号的声学特征，包括前段处理，所述前段处理用于对输入的语音信号进行数字化预处理和语音端点检测。

10.根据权利要求8所述的方法，其特征在于，所述声学特征包括，语音的基频、梅尔频率倒谱系数(MFCC)、共振峰。

11.根据权利要求10所述的方法，其特征在于，所述声学特征还包括至少以下一项：短时能量特征、基音抖动和闪烁、谐波噪声比。

12.根据权利要求8所述的方法，其特征在于，所述语音属性分类，包括至少以下一种属性识别分类：性别属性识别分类，年龄属性识别分类，情绪属性识别分类，健康属性识别分类。

13.根据权利要求8所述的方法，其特征在于，所述属性识别分类采用深度神经网络(DNN)算法。

14.根据权利要求13所述的方法，其特征在于，所述属性识别分类的工作模式分为训练模式和测试模式，其中训练模式采用两段式训练，包括预训练阶段和微调阶段，在预训练阶段采用无监督受限玻尔兹曼机模型，在微调阶段采用误差反向传播算法。