CN115035887B 语音信号的处理方法、装置、设备及介质 （京东方科技集团股份有限公司）

2其中，所述卷积混合模型包括空间位置卷积混合模块和空间位置卷积混合模块的混合结果与所述空间位置卷积混合模块的输入通过残差连接输所述对所述浅层语音识别特征进行基于多层感知的混合处理，得到深层语音识别特采用多层感知混合模型对所述浅层语音识别特征进行卷积其中，多层感知混合模型包括空间感知混合模块和通道感知混合混合模块对转置后的特征信息进行空间感知混合并将混合结果再次转置后输入至所述通3.根据权利要求1所述的方法，其特征在于，所述空间感知混合模块包括第一全连接4.根据权利要求1所述的方法，其特征在于，在所述对所述语音特征进行卷积混合处采用梅尔频率倒谱系数对所述语音信号进行语音特征提取，得到语音特征提取模块，用于对所述语音信号进行语音特征提取，得3其中，所述卷积混合模型包括空间位置卷积混合模块和空间位置卷积混合模块的混合结果与所述空间位置卷积混合模块的输入通过残差连接输所述多层感知混合模型，具体用于采用多层感知混合模型对所述浅层其中，多层感知混合模型包括空间感知混合模块和通道感知混合混合模块对转置后的特征信息进行空间感知混合并将混合结果再次转置后输入至所述通7.一种电子设备，包括存储器、处理器及行时实现如权利要求1-5中任一所述的语音信号4[0009]对所述浅层语音识别特征进行基于多层感知的混合处理，得到深层语音识别特[0014]其中，所述卷积混合模型包括空间位置卷积混合模块和所述空间位置卷积混合模块的混合结果与所述空间位置卷积混合模块的输入通过残差连[0016]在一些实施例中，所述对所述浅层语音识别特征进行基5感知混合模块对转置后的特征信息进行空间感知混合并将混合结果再次转置后输入至所[0029]多层感知混合模型，用于对所述浅层语音识别特征进行基于多层感知的混合处6[0046]图10示出了适于用来实现本申请实施例的电子设备或服务器的计算机系统的结7集设备20采集到的语音信号进行识别得到识别结果并控制语音控制设备执行识别结果对语音信号分成大小固定的语音信号段，而每一段语音信号被称为一帧，一般帧长为10-变换(DiscreteCosineTransform，DCT)，最终得到MFCC(MelFrequencyCepstrum位置卷积混合模块的混合结果与空间位置卷积混合模块的输入通过残差连接输入至通道8[0073]步骤304，对浅层语音特征进行基于多层感知的混合处理，得到深层语音识别特混合模块对转置后的特征信息进行空间感知混合并将混合结果再次转置后输入至通道混9[0088]在一个或多个实施例中，在对语音特征进行卷积混合处理得到浅层语音特征之模块进行的特征嵌入操作能够完成神经网络的所有下采样过程，有效降低了图片的分辨[0096]步骤605，将浅层语音识别特征输入至多层感知混合模型，得到深层语音识别特[0100]具体地，利用GoogleSpeechCommandsV2(GSC-V2)数据集对本申请实施例提出的语音信号的处理方法进行测试，GSC-V2包含105829条命令词，2618个说话人，包含'不同大小的卷积混合模型进行实验，如模型深度为8，隐藏层大小为64，称其为ConvMlp-[0104]可见，利用本申请实施例提出的语音信号的处理方法对应的ConvMlp-Mixer-S模型仅用了96k的参数量就达到96.24的精度，而ConvMlp-Mixer-L用了0.299M参数便达到音特征进行卷积混合操作和基于多感知的混合处理，能够在有效识别语音指令的情况下，[0121]应当理解，装置10中记载的诸单元或模块与参考图2描述的方法中的各个步骤相音特征进行卷积混合操作和基于多感知的混合处理，能够在有效识别语音指令的情况下，储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序于从其上读出的计算机程序根据需要被安装入存储该计算机程序可以通过通信部分1009从网络上被下载和安装，和/或从可拆卸介质1011被申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，个以上的处理器用来执行描述于本申请的语音信