基于BLSTM網(wǎng)絡(luò)的智能客服語(yǔ)音識(shí)別系統(tǒng)研究

林磊

(中國(guó)南方電網(wǎng)深圳供電局有限公司 客戶服務(wù)中心渠道運(yùn)營(yíng)部, 廣東 深圳 518000)

0 引言

智能網(wǎng)絡(luò)客服的建設(shè)發(fā)展，逐步促進(jìn)了語(yǔ)音識(shí)別方法下的智能網(wǎng)絡(luò)化客服終端應(yīng)用，設(shè)計(jì)智能客服語(yǔ)音識(shí)別對(duì)提升網(wǎng)絡(luò)客服的針對(duì)性和介入性方面具有重要意義[1]。研究智能客服語(yǔ)音識(shí)別系統(tǒng)，結(jié)合計(jì)算機(jī)信息處理和語(yǔ)音信息處理技術(shù)，通過(guò)高速語(yǔ)音信號(hào)處理芯片，優(yōu)化設(shè)計(jì)智能客服語(yǔ)音識(shí)別系統(tǒng)終端優(yōu)化設(shè)計(jì)，提高智能客服語(yǔ)音識(shí)別性能，相關(guān)的智能客服語(yǔ)音識(shí)別系統(tǒng)設(shè)計(jì)方法受到人們的極大關(guān)注[2]。

針對(duì)上述問(wèn)題，本文提出基于BLSTM網(wǎng)絡(luò)的智能客服語(yǔ)音識(shí)別系統(tǒng)。構(gòu)建智能客服語(yǔ)音的多傳感信號(hào)采集模型，在時(shí)域和頻域空間內(nèi)進(jìn)行智能客服語(yǔ)音信號(hào)的譜特征提取和波束集成處理，采用分段卷積濾波方法進(jìn)行智能客服語(yǔ)音信號(hào)增強(qiáng)和降噪處理，濾除智能客服語(yǔ)音信號(hào)的干擾信號(hào)，在BLSTM網(wǎng)絡(luò)中進(jìn)行智能客服語(yǔ)音識(shí)別系統(tǒng)的硬件集成設(shè)計(jì)。仿真實(shí)驗(yàn)驗(yàn)證了本文方法能夠有效提高智能客服語(yǔ)音識(shí)別能力。

1 系統(tǒng)總體構(gòu)架設(shè)計(jì)

為設(shè)計(jì)基于BLSTM網(wǎng)絡(luò)的智能客服語(yǔ)音識(shí)別系統(tǒng)，結(jié)合優(yōu)化的語(yǔ)音信息處理算法，在BLSTM(Bidirectional Long-short Term Memory，雙向長(zhǎng)短期記憶)網(wǎng)絡(luò)模式下，識(shí)別智能客服語(yǔ)音，采用智能客服語(yǔ)音信號(hào)分析和特征融合方法，建立智能客服語(yǔ)音信號(hào)的檢測(cè)模型，通過(guò)特征匹配和智能客服語(yǔ)音信息編碼[3]，檢測(cè)智能客服語(yǔ)音，系統(tǒng)總體設(shè)計(jì)構(gòu)架如圖1所示。

圖1 系統(tǒng)總體設(shè)計(jì)構(gòu)架

1.1 硬件設(shè)計(jì)

在上述系統(tǒng)總體設(shè)計(jì)構(gòu)架基礎(chǔ)上，設(shè)計(jì)系統(tǒng)的硬件，采用PPI_CONTROL作為智能客服語(yǔ)音識(shí)別系統(tǒng)的總線接口，采用I/O口進(jìn)行程序引導(dǎo)加載，并在外部存儲(chǔ)器中實(shí)現(xiàn)程序加載控制。利用PCI9054進(jìn)行語(yǔ)音識(shí)別系統(tǒng)的集成DSP控制，采用低功耗的GT834032進(jìn)行智能客服語(yǔ)音識(shí)別的集成語(yǔ)音信息處理和指令加載，系統(tǒng)的硬件集成設(shè)計(jì)如圖2所示。

圖2 系統(tǒng)硬件設(shè)計(jì)

1.2 軟件處理步驟設(shè)計(jì)

1.2.1 信號(hào)增強(qiáng)和濾波處理

1.2.2 信號(hào)的譜特征提取和波束集成處理

(1)

(2)

其中,1≤j≤J，AFB為各類非線性處理下的濾波函數(shù);C(j)、W(j)分別為智能客服語(yǔ)音識(shí)別的閾值函數(shù)，結(jié)合空間波束集成方法，對(duì)客服語(yǔ)音信號(hào)進(jìn)行時(shí)頻變換，得到特征變換序列為式(3)、式(4)。

C(J)×W(j)←DFT{c(J)}×DFT{w(j)}

(3)

C(j-1)←SFB(C(j),N(j))×DFT-1{C(0)}

(4)

其中,1≤j≤J，采用BLSTM網(wǎng)絡(luò)協(xié)議，完成語(yǔ)音識(shí)別和信號(hào)檢測(cè)，得到優(yōu)化目標(biāo)函數(shù)，分幀處理語(yǔ)音信號(hào)，得到語(yǔ)音信號(hào)檢測(cè)的概率密度函數(shù)為式(5)。

(5)

其中,m為幀數(shù);sgn(x)為符號(hào)函數(shù)，即式(6)

sgn[x]∈(-1,1)

(6)

采用多層小波特征分解，控制智能客服語(yǔ)音識(shí)別過(guò)程，得到譜特征提取結(jié)果En如式(7)。

(7)

輸出信號(hào)的波束集成處理門限值如式(8)。

(8)

其中,N為智能客服語(yǔ)音信號(hào)的長(zhǎng)度；J為非參數(shù)化核密度，采用零值對(duì)稱變換，實(shí)現(xiàn)信號(hào)的譜特征提取和波束集成處理，提高智能客服語(yǔ)音識(shí)別能力。

2 語(yǔ)音識(shí)別的實(shí)現(xiàn)

2.1 信號(hào)特征提取

通過(guò)網(wǎng)絡(luò)信道均衡調(diào)制方法均衡控制智能客服語(yǔ)音傳輸，結(jié)合穩(wěn)定性測(cè)試方法進(jìn)行智能客服語(yǔ)音識(shí)別，原始輸入的智能客服語(yǔ)音特征序列為x=[x(0),…,x(N-1)]，其中x(n)為概率密度估計(jì)的光滑程度，n≥0，則x的智能客服語(yǔ)音識(shí)別系統(tǒng)的離散特征變化(DWT)定義為式(9)。

(9)

其中,k表示非參數(shù)化核密度，0≤k≤N-1，設(shè)一組觀測(cè)樣本x(n)經(jīng)離散傅里葉變換得到的語(yǔ)音信號(hào)的頻域分布用X=DFT{x}來(lái)表示，得到智能客服語(yǔ)音識(shí)別的有限時(shí)間序列如式(10)。

(10)

(11)

其中,j為特征分辨率，且1≤j≤J;α為信號(hào)特征指數(shù)。利用以上步驟完成智能客服語(yǔ)音識(shí)別的特征提取。

2.2 語(yǔ)音信號(hào)特征優(yōu)化

采用非參數(shù)化的信息融合方法，完成智能客服語(yǔ)音識(shí)別和信號(hào)濾波，得到濾波函數(shù)[7]為式(12)。

(12)

(13)

其中，dj(k)表示智能客服語(yǔ)音傳輸節(jié)點(diǎn)的分布距離，結(jié)合穩(wěn)定性測(cè)試方法進(jìn)行智能客服語(yǔ)音識(shí)別的穩(wěn)定特征提取和定位檢測(cè)，得到檢測(cè)的閾值函數(shù)[9]如式(14)。

(14)

式中，λ表示閾值函數(shù)參數(shù)值。統(tǒng)計(jì)語(yǔ)音信號(hào)特征優(yōu)化函數(shù)[10]如式(15)。

(15)

根據(jù)上述對(duì)語(yǔ)音信號(hào)的優(yōu)化函數(shù)結(jié)果，實(shí)現(xiàn)智能客服語(yǔ)音信號(hào)特征優(yōu)化。

3 實(shí)驗(yàn)測(cè)試與分析

為測(cè)試本文方法在實(shí)現(xiàn)智能客服語(yǔ)音識(shí)別中的應(yīng)用性能，設(shè)計(jì)仿真實(shí)驗(yàn)。設(shè)定語(yǔ)音信號(hào)采樣的長(zhǎng)度為2 000，信號(hào)的檢測(cè)門限為0.82，對(duì)語(yǔ)音信號(hào)識(shí)別的迭代次數(shù)為200，測(cè)量噪聲的信噪比為-12 dB，語(yǔ)音信號(hào)分布的時(shí)寬為10 s，根據(jù)上述參數(shù)設(shè)定，進(jìn)行智能客服語(yǔ)音識(shí)別，得到智能客服語(yǔ)音識(shí)別系統(tǒng)中傳輸?shù)恼Z(yǔ)音信號(hào),如圖3所示。

圖3 語(yǔ)音樣本信號(hào)

分析圖3可知，本文方法能準(zhǔn)確識(shí)別智能客服語(yǔ)音識(shí)別系統(tǒng)中傳輸?shù)恼Z(yǔ)音信號(hào)，識(shí)別效果較好，以圖4的信號(hào)為測(cè)試對(duì)象，進(jìn)行語(yǔ)音識(shí)別定位，對(duì)語(yǔ)音信號(hào)進(jìn)行多尺度分解定位，得到識(shí)別結(jié)果如圖4所示。

圖4 語(yǔ)音識(shí)別結(jié)果

分析圖4得知，本文方法能夠有效識(shí)別不同信噪比區(qū)域內(nèi)智能客服語(yǔ)音，語(yǔ)音信噪比識(shí)別定位性能較好，測(cè)試智能客服語(yǔ)音識(shí)別的精度，得到對(duì)比結(jié)果如表1所示。

表1 智能客服語(yǔ)音識(shí)別精度對(duì)比

分析表1得知，在迭代次數(shù)相同的情況下，本文方法識(shí)別精度在90%以上，在迭代次數(shù)為400時(shí)，識(shí)別精度達(dá)到100%；采用文獻(xiàn)[4]、文獻(xiàn)[5]和文獻(xiàn)[6]方法進(jìn)行語(yǔ)音識(shí)別的精度較低，由此可知，采用本文方法進(jìn)行智能客服語(yǔ)音識(shí)別的精度較高，誤差較小。

4 總結(jié)

結(jié)合語(yǔ)音識(shí)別方法，設(shè)計(jì)智能網(wǎng)絡(luò)化客服終端，為提高遠(yuǎn)程網(wǎng)絡(luò)服務(wù)質(zhì)量，本文提出基于BLSTM網(wǎng)絡(luò)的智能客服語(yǔ)音識(shí)別系統(tǒng)。在BLSTM網(wǎng)絡(luò)模式下，采用多層小波特征分解，控制智能客服語(yǔ)音識(shí)別過(guò)程，采用零值對(duì)稱變換，增強(qiáng)語(yǔ)音信息，提高智能客服語(yǔ)音識(shí)別能力。采用PPI_CONTROL作為智能客服語(yǔ)音識(shí)別系統(tǒng)的總線接口，采用I/O口進(jìn)行程序引導(dǎo)加載，在集成DSP下進(jìn)行系統(tǒng)的硬件設(shè)計(jì)和軟件開(kāi)發(fā)。實(shí)驗(yàn)驗(yàn)證了本文方法具有較高的智能客服語(yǔ)音識(shí)別精度，應(yīng)用性更強(qiáng)。