[发明专利]一种采用自然语言的分布式智能交互的实现方法及其系统

权利要求书

1.一种采用自然语言的分布式智能交互的实现方法，其特征在于，所述方法包括：

接收用户语音信号，并对用户语音进行预加重、加窗分帧处理；

利用基于逐级分段的VAD检测方法对用户语音信号中的噪音以及静音帧进行检测；

利用WF-MFCC算法对上述经过预处理的用户语音信号进行特征提取，得到用户语音信号的WF-MFCC特征；

利用结合权重和self-attention机制的LSTM模型对WF-MFCC特征进行提取，得到用户语义特征；

利用基于信息权重的编码-解码过程对用户语义特征进行编码、解码处理；

利用基于用户信息的注意力调整过程实现自然语言的交互式生成。

2.如权利要求1所述的采用自然语言的分布式智能交互的实现方法，其特征在于，所述对用户语音进行预加重、加窗分帧处理，包括：

使用数字滤波器对用户语音信号的频率进行预加重，其公式为：

H(z)＝1-μz^-1

其中：

z为声音频率；

μ为数字滤波器参数，本发明取为0.9375；

对所述用户语音信号进行分帧处理，将用户语音信号分段为每4毫秒长的帧，使相邻帧之间重叠约0-0.5倍帧长；

对语音信号进行加窗处理，使帧信号的信号平滑降低到零，本发明所选窗函数为汉明窗的窗函数：

其中：

N为窗长；

n为用户语音信号。

3.如权利要求2所述的采用自然语言的分布式智能交互的实现方法，其特征在于，所述基于逐级分段的VAD检测方法为：

先将信号分解到高频和低频空间，再将低频空间a₁(n)分解到高频和低频空间，然后继续分解低频空间a₂(n)，其中用b₁(n)～b₄(n)以及a₄(n)五个子带表征原信号中所有的频率信号，所述逐级分段处理的流程为：

其中：

a_i(n)，b_i(n)分别表示不同的频域空间；

根据求取小波子带系数能量的方法判断语音段是否为静音，所述求取小波子带系数能量公式为：

其中：

为不同层的小波子带系数能量；

为b₁(n)～b₄(n)，a₄(n)这些小波子带的小波系数；

N(m)为小波子带中所含有的小波系数的数量；

M为小波子带的个数；

对子带的能量均值以及方差进行计算：

每一个语音帧信号特征矢量，由五个子带的平均能量以及方差构成，因此每一个语音帧信号的特征矢量为：

Y_n＝[E₁，E₂，E₃，E₄，E₅，σ²]^T

所述特征矢量由六个特征量所组成，看出语音信号在时域和频域上的能量分部，通过能量分部可以看出语音帧的信号特点，设置阈值为ω，其中ω的计算公式为：

ω＝2×σ²

当ω＜σ²时为无用帧，当σ²＜ω＜1.2σ²时存在噪音的语音帧，当1.2σ²＜ω＜1.5σ²时为静音帧。