一種基于深度學(xué)習(xí)的空中管制語音指令識別方法

基本信息

申請?zhí)?/td> CN201910619285.X 申請日 -
公開（公告）號 CN110415683A 公開（公告）日 2019-11-05
申請公布號 CN110415683A 申請公布日 2019-11-05
分類號 G10L15/02（2006.01）I; G10L15/04（2013.01）I; G10L15/06（2013.01）I; G10L15/16（2006.01）I; G10L15/26（2006.01）I 分類 樂器；聲學(xué);
發(fā)明人 王耀彬 申請（專利權(quán)）人 上海麥圖信息科技有限公司
代理機構(gòu) - 代理人 -
地址 200000 上海市徐匯區(qū)桂平路680號32幢527-1室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學(xué)習(xí)的空中管制語音指令識別方法，包括以下步驟：獲取待識別的語音信號，并將其轉(zhuǎn)換為16bit 16kHz的PCM音頻數(shù)據(jù)；建立深度網(wǎng)絡(luò)模型；利用訓(xùn)練數(shù)據(jù)訓(xùn)深度網(wǎng)絡(luò)模型得到語音識別引擎；對所述音頻數(shù)據(jù)進(jìn)行語音切分；將語音切分得到的有效音頻片段輸入語音識別引擎，輸出文字識別結(jié)果。其中，深度網(wǎng)絡(luò)模型使用卷積模塊作為特征提取器，并由reshape層和全連接層對提取的特征數(shù)據(jù)進(jìn)行處理，利用門控循環(huán)單元進(jìn)行序列學(xué)習(xí)，最終通過全連接層進(jìn)行分類學(xué)習(xí)與決策，獲得預(yù)測結(jié)果。本發(fā)明采用以人工智能深度學(xué)習(xí)引擎為核心，具有極強的專業(yè)適用性和口音泛化能力，數(shù)據(jù)量依賴程度更低的有點，在空管語音的識別上顯著優(yōu)于通用語音識別系統(tǒng)。