基于深度学习的海量语音数据识别及分类方法研究

• 作者: 朱龙珠 盛妍 刘鲲鹏
• 来源期刊: 电子设计工程
• 关键词: 深度学习 海量语音 数据识别 随机噪声
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 电力电子技术|Power Electronic Technology
• 页码范围: 116-120
• 页数: 5页
• 分类号: TN912.34
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.09.025

摘要

传统海量语音数据识别及分类方法容易受到噪声影响,导致识别效果较差,基于此提出了基于深度学习的海量语音数据识别及分类方法.以DSP TMS320VC5410为核心,调节电路进入TLC 320AD 50C模拟/数字(A/D)转换阶段,放大语音信号,读取响应中断的C5410样本数据,回放语音,读取FIFO,去除工频干扰,将信号写成数据形式,完成海量语音信号采集.构建去噪自动编码器,叠加随机噪声,计算语音词序列,获取语音数据识别精准程度评分.提取隐藏层中原始数据特征,使用深度学习方法处理大量未标记数据,经过训练阶段,实现语音识别.以块为单位,不断迭代寻找稀疏向量,以此表示语音数据分类结果,使语音识别结果避免噪声干扰.由实验结果可知,该方法识别i音标和A音标结果时,与系统归一化频率一致,具有良好的识别与分类效果.