[发明专利]一种适用于车内语音识别系统的语音端点检测方法及模块

权利要求书

1.一种适用于车内语音识别系统的语音端点检测方法，其特征在于，包括以下步骤：

S1、对采集的语音音频数据、行车过程中的噪声音频数据以及与所述噪声音频数据相对应的行车工况数据进行预处理，以得到多组待训练的样本数据；

S2、利用PR Net网络模型分别对若干组所述样本数据进行特征提取和分类任务，并通过全连接操作分别输出预测结果；

S3、将所述预测结果与对应的样本数据中的标签结果分别进行损失函数计算，根据计算结果不断调整所述PR Net网络模型的参数权重；

S4、多次循环执行S2-S3，进行训练，当所述PR Net网络模型训练的循环次数等于提前设置的次数，或者所述计算结果达到预设的精度范围，则停止训练，以得到最优的PR Net网络模型；

S5、将实际行车过程中预处理后的实时音频数据和相应行车工况数据输入至所述最优的PR Net网络模型，所述最优的PR Net网络模型输出检测结果；

S6、根据所述检测结果，对所述实时音频数据中的含语音帧进行标记；

S7、将带标记的实时音频数据输出至下游的语音识别系统。

2.根据权利要求1所述的适用于车内语音识别系统的语音端点检测方法，其特征在于，在步骤S1中，对采集的数据处理包括以下步骤：

S101、提取一段语音音频数据、一段噪声音频数据以及与所述噪声音频数据对应的行车工况数据；

S102、将语音音频数据分帧后进行语音端点检测，以得到带语音检测标记的语音音频数据；

S103、将带语音检测标记的语音音频数据和所述噪声音频数据进行融合，以得到带语音端点检测标记的带噪语音；

S104、将所述带噪语音按照一帧n毫秒进行切分，以得到时域带噪语音帧，并取m帧的数据作为一个训练数据单位；

S105、将所述时域带噪语音帧进行频域转换，得到带噪语音频谱数据，使得所述训练数据单位转换为二维频域数据；

S106、计算所述二维频域数据的谱熵；

S107、将步骤S101中的行车工况数据、步骤S102中的所述带噪语音的标签结果数据、步骤S105中的二维频域数据和步骤S106中的谱熵对应绑定成一组待训练的样本数据；

S108、重复多次步骤S101-S107，以得到多组待训练的样本数据。

3.根据权利要求2所述的适用于车内语音识别系统的语音端点检测方法，其特征在于，所述PRNet网络模型对所述二维频域数据进行特征提取，然后将提取出的特征结果分别与相应的所述谱熵以及所述行车工况数据做全连接操作，利用多个分类器分别对全连接后的结果进行分类，以得到分类结果，将所述分类结果做全连接操作以输出预测结果。

4.根据权利要求2所述的适用于车内语音识别系统的语音端点检测方法，其特征在于，在步骤S2中，所述PR Net网络模型中的数据处理包括以下步骤：

S201、对所述二维频域数据进行卷积操作；

S202、将卷积后的结果通过卷积模型提取特征，并进行深度连接；

S203、对深度连接后的结果进行卷积操作后，得到卷积图像，所述卷积图像通过第一分支依次经过卷积、池化操作之后得到特征值，将所述特征值同相应的谱熵和行车工况数据进行全连接操作，再将所述全连接操作后的结果通过激活函数得到一个二分类的分类结果，所述卷积图像通过第二分支输入至所述卷积模型提取特征，并进行深度连接；

S204、循环执行一次或多次步骤S203，后一次循环步骤S203中所述深度连接后的结果为前一次循环步骤S203中所述卷积图像通过所述第二分支输入至所述卷积模型提取特征后并进行深度连接产生的结果，以得到若干个分类结果；

S205、将全部的分类结果进行全连接操作，以输出预测结果。