[发明专利]一种高准确性的英语语音翻译的模糊匹配训练方法

说明书

本发明公开了一种高准确性的英语语音翻译的模糊匹配方法，所述模糊匹配方法包括以下步骤：S1、获取语音信息并转换成数字语音信号；S2、将所述数字语音信号采用模糊声像规则进行语音检测，得到对应的匹配参数，根据所述匹配参数采用遗传算法运算得到可编程器件的重配置数据流；S3、采用所述重配置数据流重新配置可编程器件；S4、所述在线语音接收模块可将匹配参数作为导引来检索在线语音数据，并将所述在线语音数据进行粗略排序；将检索到的在线语音数据输入可编程器件进行模糊匹配；S5、找到最为匹配的在线语音数据输出。

技术领域

本发明涉及英文翻译领域，具体涉及一种高准确性的英语语音翻译的模糊匹配方法。

背景技术

随着互联网技术的发展，英文翻译的智能化也在不断推进，如计算机辅助翻译系统，文本翻译以及语音翻译都逐一实现，特别是掌上设备如手机APP均能实现语音在线翻译。

现有技术中一般采用将语音转换成文本，再将采用算法将文本信息与翻译库中的语句进行相似性匹配，将相似度最高的结果作为输出。如CN201710532235.9公开了一种云翻译记忆库快速增量式模糊匹配的方法，采用信息检索技术对大规模翻译记忆库构建索引，采用粗选和精选策略，即首先从索引库中根据输入的待译句子得到匹配的子集，然后利用句子语义向量相似度和编辑距离线性组合的模糊匹配方法得到最终的翻译输出，最后将人工后编辑后的译文及其源语言句段返回翻译记忆库增量式更新。

这样翻译出的效率并不高，而且文本识别率也跟英文发音是否准确有关，文本匹配后得出翻译结果还需要再次查看文本信息，根据文本信息再理解其中含义，影响交流效率。

发明内容

为背景技术中的问题，本发明提供了如下技术方案：一种高准确性的英语语音翻译的模糊匹配方法，具体的步骤如下：

S1、获取语音信息并转换成数字语音信号；

S2、将所述数字语音信号采用模糊声像规则进行语音检测，得到对应的匹配参数，根据所述匹配参数采用遗传算法运算得到可编程器件的重配置数据流；

S3、采用所述重配置数据流重新配置可编程器件；

S4、所述在线语音接收模块可将匹配参数作为导引来检索在线语音数据，并将所述在线语音数据进行粗略排序；将检索到的在线语音数据输入可编程器件进行模糊匹配；

S5、找到最为匹配的在线语音数据输出。

所述步骤S4中的模糊匹配算法为：将若干个匹配参数作为模糊规则R，数字化语音作为输入量X，当输入量X激活若干条模糊规则R时，输出U则由若干条模糊规则的输出决定。

所述步骤S2中的遗传算法具体如下：

S21、随机生成染色体个体；

S22、计算所述个体的适应度值；

S23、对个体随机实施变异操作，生成子代个体；

S24、执行选择操作，若子代个体的适应度值高于个体的适应度值，则将子代个体复制到下一代，否则以一个较小的概率复制子代个体到下一代，依次类推直至满足终止条件。

所述步骤S2中的所述模糊声像规则包括梅尔倒谱系数分析、短时能量以及短时平均过零率统计方法、基于谱分析得到的共振峰提取方法等方法共同组成的规则实现的“声音画像”特征描述，将上述规则的输出如梅尔倒谱系数、短时能量、短时平均过零率、共振峰等作为匹配参数。

把可编程器件中的可配置逻辑模块（LUT）作为染色体，通过遗传算法，找出最优的染色体，生成重配置数据流配置到可编程器件上，从而对电路重新配置，以实现根据输入语音的变化而变化自身以更有效率的匹配语音数据。