[发明专利]面向交互的语音语料处理方法及装置

权利要求书

1.一种面向交互的语音语料处理方法，其特征在于，包括：

对语音片段进行短时傅立叶变换，依据预设的窗口函数在所述的频谱上移动，得到所述语音片段的时频图；

利用两个卷积层学习所述时频图的特征，得到所述时频图对应的特征图矩阵，所述特征图矩阵包含若干个经过两个卷积层学习之后获得的特征单元矩阵；

利用最大池化层对所述特征图矩阵进行压缩得到压缩矩阵，所述压缩矩阵仅包含各个所述特征单元矩阵中的最大值；

将所述压缩矩阵转换为对应长度的向量，利用两个长短期记忆网络LSTM层学习所述向量的深层特征得到特征向量，将所述特征向量作为支持向量机的输入语料。

2.根据权利要求1所述的方法，其特征在于，在所述利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述方法还包括：

对所述语音片段的时频图进行翻转处理。

3.根据权利要求1所述的方法，其特征在于，在所述利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述方法还包括：

对于属于指定分类的语音片段，截取该语音片段的时频图中亮度高于预设阈值的片段，得到片段时频图；

将所述片段时频图与属于同一分类的语音片段的时频图进行交叉拼接；

对拼接后的时频图进行平移，得到若干个平移后的时频图。

4.根据权利要求1所述的方法，其特征在于，在所述利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述方法还包括：

将所述时频图转换为灰度图，通过加减值调节所述灰度图的灰度值；

调节所述灰度图的饱和度、亮度以及色相形成伪彩色图像，所述伪彩色图像用于映射加噪后的时频图。

5.一种面向交互的语音语料处理装置，其特征在于，包括：

时频图获取单元，用于对语音片段进行短时傅立叶变换，依据预设的窗口函数在所述的频谱上移动，得到所述语音片段的时频图；

特征学习单元，用于利用两个卷积层学习所述时频图的特征，得到所述时频图对应的特征图矩阵，所述特征图矩阵包含若干个经过两个卷积层学习之后获得的特征单元矩阵；

压缩单元，用于利用最大池化层对所述特征图矩阵进行压缩得到压缩矩阵，所述压缩矩阵仅包含各个所述特征单元矩阵中的最大值；

深层学习单元，用于将所述压缩矩阵转换为对应长度的向量，利用两个长短期记忆网络LSTM层学习所述向量的深层特征得到特征向量，将所述特征向量作为支持向量机的输入语料。

6.根据权利要求5所述的装置，其特征在于，在特征学习单元所述利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述装置还包括：

数据增强单元，用于对所述语音片段的时频图进行翻转处理。

7.根据权利要求5所述的装置，其特征在于，在特征学习单元利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述装置还包括数据增强单元，用于：

对于属于指定分类的语音片段，截取该语音片段的时频图中亮度高于预设阈值的片段，得到片段时频图；

将所述片段时频图与属于同一分类的语音片段的时频图进行交叉拼接；

对拼接后的时频图进行平移，得到若干个平移后的时频图。

8.根据权利要求5所述的装置，其特征在于，在特征学习单元所述利用两个卷积层学习所述语音片段的时频图的特征步骤之前，所述装置还包括数据增强单元，用于：

将所述时频图转换为灰度图，通过加减值调节所述灰度图的灰度值；

调节所述灰度图的饱和度、亮度以及色相形成伪彩色图像，所述伪彩色图像用于映射加噪后的时频图。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4任一所述方法的步骤。