[发明专利]一种基于时空聚类信息推断的语音识别技术

说明书

本发明提供了一种基于时空聚类信息推断的语音识别技术，以解决在特殊条件下，语音识别误识别率高的问题。包括以下处理阶段：数据分割阶段，通过声音采集传感器获取信号，传输并存储到本地或云服务器上，进行语音识别与分割，以“信号(词级)‑识别结果(词级)‑位置‑时间”的数据结构存储数据；数据聚类阶段，对已保存的结构性数据，进行2种形式的聚类：第一类聚类，在“时间”维度，根据时间间隔进行聚类，第二类聚类，在“空间”维度，根据空间距离进行聚类；语音识别阶段，根据定位信息是否可以获取，分为两种识别策略，定位未开启条件下，利用第一类聚类结果辅助决策函数进行语音识别，定位开启条件下利用第二类聚类结果辅助决策函数进行语音识别。

技术领域

本发明涉及计算机语音识别领域，尤其是一种基于时空聚类信息推断的语音识别技术。

背景技术

语音识别的准确率，一直受噪声干扰、发音准确度的限制。语音识别的基本流程为，通过移动端麦克风获取识别音频，上传云端，在云端计算后得到识别文字，再由云端发送到移动端。

但是在特殊条件下，例如：采集的音频带有强噪声、或发音不清晰/不准确，往往会造成误识别，或无法识别。面对这些情形，需要更加有效的语音识别技术。

发明内容

本发明提供了一种基于时空聚类信息推断的语音识别技术，以解决在特殊条件下，语音识别误识别率高的问题。

本发明提供了一种基于时空聚类信息推断的语音识别技术，包括以下三个阶段。

第一个阶段：数据分割阶段，通过麦克风采集音频信号，传输并存储到本地或云服务器上，并进行语音分割，将语音信号及其识别结果分割为词级，并建立对应关系，最后按照“信号(词级)-识别结果(词级)-位置-时间”的数据结构保存数据，若位置信息缺失，则存为“0”；

第二个阶段，数据聚类阶段，对已保存的结构性数据，进行2种形式的聚类；第一种聚类，在“时间”维度进行聚类，每一条语音均是一条数据，在时间维度，采用DBSCAN聚类算法，设置半径e为1小时，即同一类中的两条语音，其时间间隔最大为1小时，最少数目MinPts为1，即一类中最少包含一条语音，对聚类结果的每个簇，提取出当前簇中，所有的位置信息，位置信息为“0”的数据不参与聚类，并根据空间距离进行聚类，采用DBSCAN聚类算法，设置半径e为2分(GPS坐标)，即同一簇中的两条语音的位置距离最大间隔为～3.7km，最少数目MinPts为1，即一类中最少包含一个位置；得到聚类结果后，计算所有类所包含的数据条数，得到各类别所包含的数据数占总体数据比序列L；第二种聚类，根据空间距离进行聚类，位置信息为“0”的数据不参与聚类，采用DBSCAN聚类算法，设置半径e为2分(GPS坐标)，即同一类中的两条语音的位置距离最大间隔为～3.7km，最少数目MinPts为1，即一类中最少包含一个位置；

第三个阶段，语音识别阶段，此阶段分为2种情形：

情形1：未开启定位条件下进行语音识别。此时，首先根据当前时间，找到所对应的簇，即第二阶段的聚类结果中的某个簇，并得到各类别所包含的数据数占总体数据比序列L，当max(L)75％，利用DTW算法，计算最大类别中的词信号与当前识别信号的词信号距离，取距离的倒数作为分值加入到识别决策函数中，即

S_word＝S_online+S_distance (1)

其中，S_word为其最终识别结果的决策分值，S_online为云端对当前词识别结果的决策分值，若云端未识别出此词条则S_online为0，S_online为最大类别中的词信号与当前识别信号的词信号距离的倒数；当max(L)＝75％，利用DTW算法，计算簇中所有的词信号与当前识别信号的词信号距离，取距离的倒数作为分值加入到识别决策函数中，即公式(1)；