亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種半監(jiān)督語音特征可變因素分解方法

文檔序號:6547849閱讀:313來源:國知局
一種半監(jiān)督語音特征可變因素分解方法
【專利摘要】本發(fā)明公開了一種半監(jiān)督語音特征可變因素分解方法,把語音特征分成四類:情感相關特征、性別相關特征、年齡相關特征、包括噪聲和語種的其他因素相關特征。首先,對語音進行預處理得到語譜圖,不同尺寸的語譜塊輸入無監(jiān)督特征學習網(wǎng)絡SAE,預訓練得到不同尺寸的卷積核,然后分別用不同尺寸的卷積核對整個語譜圖進行卷積,得到若干特征映射圖,再對特征映射圖進行最大池化,最終把特征堆疊起來形成局部不變特征y。y作為半監(jiān)督卷積神經網(wǎng)絡的輸入,通過最小化四個不同的損失函數(shù)項將y分解成四類特征。本發(fā)明解決了情感、性別、年齡語音特征相互混雜導致識別準確率不高的問題,可分別用于基于語音信號的不同識別需求,還可以用于分解更多因素。
【專利說明】—種半監(jiān)督語音特征可變因素分解方法
【技術領域】
[0001]本發(fā)明屬于語音識別領域,具體涉及一種語音特征分解的方法。
【背景技術】
[0002]隨著計算機滲透到生活的各個角落,各種類型的計算平臺都需要更簡便的輸入媒體,語音當仁不讓成為用戶最佳的選擇之一。一般來說,語音中包括了說話人、說話內容、說話人的情感、性別、年齡等多種信息。近年來,隨著一些應用的不斷完善,促進了對人的情感、性別、年齡、說話內容等方面的基于語音信號的識別技術的發(fā)展。比如傳統(tǒng)的呼叫中心通常都會隨機的接通服務生來為客戶提供電話咨詢,而不能夠根據(jù)用戶的情感、性別和年齡提供個性化的服務,這就促使了是否可以通過客戶的聲音來判斷其情感、性別和年齡,并以此為依據(jù)提供更加個性化的語音服務。但是在現(xiàn)有的基于語音信號的情感、性別和年齡識別相關任務中,傳統(tǒng)的特征提取方法所提取的特征往往摻雜了情感、性別、年齡、說話內容、語言等因素,彼此之間很難區(qū)分,從而導致識別效果不佳。
[0003]在Dong Yu 等、名稱為 Feature Learning in Deep Neural Networks—Studies onSpeech Recognition Tasks的論文中,利用深度神經網(wǎng)絡學到一個深層特征,但這個特征可能混雜了很多因素,如情感、性別、年齡等因素,如果把這個特征用于語音情感識別,識別率可能會受特征中其他因素的影響。目前還未出現(xiàn)一種特征提取方法能分別提取語音信號中不同類型的特征。本發(fā)明為了克服現(xiàn)有技術的缺陷,通過基于卷積神經網(wǎng)絡的半監(jiān)督特征學習,將語音特征分解成四類:情感相關特征、性別相關特征、年齡相關特征、其他因素相關特征,可分別用于基于語音信號的不同識別需求。本發(fā)明進一步拓展以后還可以用于分解更多因素。

【發(fā)明內容】

[0004]本發(fā)明的目的在于提供一種半監(jiān)督語音特征可變因素分解方法,使得分解出的特征不受與識別任務無關的因素的干擾,且更顯著地體現(xiàn)識別目標類別之間的差異,從而提高識別的準確度。
[0005]為了解決以上技術問題,本發(fā)明首先對語音進行預處理得到語譜圖,然后通過基于卷積神經網(wǎng)絡的無監(jiān)督學習得到局部不變特征,再采用一種半監(jiān)督學習方法,通過重構誤差函數(shù)、判別損失函數(shù)、正交損失函數(shù)、顯著性損失函數(shù)四個損失函數(shù)的約束將無監(jiān)督學習得到的局部不變特征,分解成四類:情感相關特征、性別相關特征、年齡相關特征和其他因素相關特征,可分別用于情感識別、性別識別、年齡識別,能有效提高識別準確率。具體技術方案如下:
[0006]一種半監(jiān)督語音特征可變因素分解方法,其特征在于包括下列步驟:
[0007]步驟一,預處理:對語音樣本進行預處理得到語譜圖,再采用PCA進行主成份分析降維以及白化,從中提取出不同尺寸的語譜塊;
[0008]步驟二,無監(jiān)督的局部不變特征學習:將所述語譜塊作為無監(jiān)督特征學習SAE的輸入,通過輸入不同尺寸的語譜塊,預訓練得到不同尺寸的卷積核,然后分別用所述不同尺寸的卷積核對整個語譜圖進行卷積,得到若干特征映射圖,再對所述特征映射圖進行最大池化,最終把特征堆疊起來形成局部不變特征y ;
[0009]步驟三,基于卷積神經網(wǎng)絡的半監(jiān)督特征學習:將所述局部不變特征I作為半監(jiān)督學習算法的輸入,利用基于卷積神經網(wǎng)絡的半監(jiān)督學習的方法,通過四個不同的損失函數(shù)將將局部不變特征I分解成四類特征;所述四類特征包括情感相關特征、性別相關特征、年齡相關特征、以及包括噪聲和語種的其他因素相關特征;所述半監(jiān)督學習的損失函數(shù)由重構誤差函數(shù)、判別損失函數(shù)、正交損失函數(shù)、顯著性損失函數(shù)四部分組成;
[0010]對于所述重構誤差函數(shù),所述四類特征都要參與重構局部不變特征y,誤差采用均方誤差;對于所述判別損失函數(shù),先對有標簽的數(shù)據(jù)進行類別預測,然后計算預測標簽和真實標簽之間的差異作為判別損失函數(shù)的值;對于所述正交損失函數(shù),目的是使所述四類特征相互正交,表示輸入局部不變特征y的不同的方向;對于所述顯著性損失函數(shù),目的是學習到僅體現(xiàn)識別目標類別之間的差異且更具有類別區(qū)分性的特征;通過最小化所述損失函數(shù)來獲得四個損失函數(shù)的參數(shù)包括偏置和權重,從而得到所述四類特征。
[0011]本發(fā)明具有有益效果。本發(fā)明的半監(jiān)督特征學習,通過將局部不變特征分解成情感相關特征、性別相關特征、年齡相關特征、其他因素相關特征共四類特征,使得不同類型的特征用于不同的識別需求,避免了不同類型特征之間相互干擾的缺點。特別是半監(jiān)督學習的損失函數(shù)由重構誤差函數(shù)、判別損失函數(shù)、正交損失函數(shù)、顯著性損失函數(shù)四部分組成,使得所學習到的特征能更好地描述識別目標類別之間的差異,不受無關因素的干擾。本發(fā)明解決了不同的語音特征混雜在一起從而帶來的識別率不高的問題,能有效地提高識別準確率。
【專利附圖】

【附圖說明】
[0012]圖1是語音特征分解流程圖。
[0013]圖2是無監(jiān)督特征學習流程圖。
[0014]圖3是半監(jiān)督語音特征分解結構圖。
【具體實施方式】
[0015]圖1給出了本發(fā)明方法的總體思路,首先,對語音進行預處理得到語譜圖,不同尺寸的語譜塊輸入無監(jiān)督特征學習網(wǎng)絡SAE,預訓練得到不同尺寸的卷積核,然后經過卷積、池化操作,形成局部不變特征I。I作為半監(jiān)督卷積神經網(wǎng)絡的輸入,通過最小化四個不同的損失函數(shù)項將I分解成四類特征。
[0016]預處理后的語音信號被劃分成IixIii大小的語譜塊,i表示語譜塊的個數(shù),不同尺寸的語譜塊輸入無監(jiān)督特征學習網(wǎng)絡SAE,預訓練得到不同尺寸的卷積核,然后分別用不同尺寸的卷積核對整個語譜圖進行卷積,得到若干特征映射圖,再對特征映射圖進行最大池化,最終把特征堆疊起來形成局部不變特征y,如圖2所示。y作為半監(jiān)督卷積神經網(wǎng)絡的輸入,通過四個不同的損失函數(shù)項將y分解成四類特征。半監(jiān)督的損失函數(shù)由重構誤差函數(shù)、判別損失函數(shù)、正交損失函數(shù)、顯著性損失函數(shù)四部分組成。通過最小化損失函數(shù)來獲得四個損失函數(shù)項的參數(shù),從而分解得到四類特征,分別用于不同的識別需求,如圖3所示。所有特征均要參加重構,而不同類型的特征參與對應的判別損失函數(shù)的約束。
[0017]本發(fā)明首先對語音進行預處理,利用基于卷積神經網(wǎng)絡的無監(jiān)督學習算法得到一組局部不變特征,然后利用基于卷積神經網(wǎng)絡的半監(jiān)督學習算法把局部不變特征分解成四類特征:情感相關特征、性別相關特征、年齡相關特征、其他因素相關特征。具體的步驟如下:
[0018]步驟一,首先把時域信號轉化成語譜圖,窗尺寸為20ms,有IOms的重疊;然后利用PCA降維以及白化,PCA有60個主成分,最終產生60 X η的語譜圖。從中提取若干個不重疊的60 X 15的語譜。對于每個60 X 15的語譜,從中提取兩個尺寸的語譜塊,分別為60 X 6和60X10。
[0019]步驟二,將60X6和60X 10兩種尺寸的語譜塊分別輸入到SAE,分別學習得到120個和輸入尺寸一樣大的60X6和60Χ 10的卷積核。然后利用這兩個卷積核分別對整個語譜60X15進行卷積,得到120個IX 10和120個1X6的特征映射圖,然后每兩幀進行最大池化,得到120個I X 5和120個I X 3的特征。即對于60 X 6的卷積核得到600個特征,對于60Χ 10的卷積核得到360個特征。這總的960個特征作為半監(jiān)督的輸入。接下來介紹一下無監(jiān)督特征學習的一般步驟。
[0020]自動編碼器AE(Auto-Encoder)的目標函數(shù)如下:
[0021]Jae(Q) = Σχει(χ, g(h(x))) (I)
[0022]其中X是輸入的語譜塊,此處的X是不帶標簽的。h(x)是編碼函數(shù),
[0023]h(x) = s (ωχ+α),其中ω是權重矩陣,α是偏置,
【權利要求】
1.一種半監(jiān)督語音特征可變因素分解方法,其特征在于包括下列步驟: 步驟一,預處理:對語音樣本進行預處理得到語譜圖,再采用PCA進行主成份分析降維以及白化,從中提取出不同尺寸的語譜塊; 步驟二,無監(jiān)督的局部不變特征學習:將所述語譜塊作為無監(jiān)督特征學習SAE的輸入,通過輸入不同尺寸的語譜塊,預訓練得到不同尺寸的卷積核,然后分別用所述不同尺寸的卷積核對整個語譜圖進行卷積,得到若干特征映射圖,再對所述特征映射圖進行最大池化,最終把特征堆疊起來形成局部不變特征y ; 步驟三,基于卷積神經網(wǎng)絡的半監(jiān)督特征學習:將所述局部不變特征y作為半監(jiān)督學習算法的輸入,利用基于卷積神經網(wǎng)絡的半監(jiān)督學習的方法,通過四個不同的損失函數(shù)將將局部不變特征I分解成四類特征;所述四類特征包括情感相關特征、性別相關特征、年齡相關特征、以及包括噪聲和語種的其他因素相關特征;所述半監(jiān)督學習的損失函數(shù)由重構誤差函數(shù)、判別損失函數(shù)、正交損失函數(shù)、顯著性損失函數(shù)四部分組成; 對于所述重構誤差函數(shù),所述四類特征都要參與重構局部不變特征y,誤差采用均方誤差;對于所述判別損失函數(shù),先對有標簽的數(shù)據(jù)進行類別預測,然后計算預測標簽和真實標簽之間的差異作為判別損失函數(shù)的值;對于所述正交損失函數(shù),目的是使所述四類特征相互正交,表示輸入局部不變特征y的不同的方向;對于所述顯著性損失函數(shù),目的是學習到僅體現(xiàn)識別目標類別之間的差異且更具有類別區(qū)分性的特征;通過最小化所述損失函數(shù)來獲得四個損失函數(shù)的參數(shù)包括偏置和權重,從而得到所述四類特征。
【文檔編號】G06K9/00GK104021373SQ201410229537
【公開日】2014年9月3日 申請日期:2014年5月27日 優(yōu)先權日:2014年5月27日
【發(fā)明者】毛啟容, 黃正偉, 薛文韜, 于永斌, 詹永照, 茍建平, 邢玉萍 申請人:江蘇大學
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1