基于深度卷积神经网络的智能机器人语音自动识别方法.pdfVIP

控制理论与应用《自动化技术与应用》2024年第43卷第4期

ControlTheoryandApplications

DOI:10.20033/j.1003-7241.（2024）04-0043-04.

基于深度卷积神经网络的智能机器人语音自动识别方法*

相增辉,张国梁,庞渊源,陈鑫,王鑫

（国网江苏省电力有限公司信息通信分公司信通调控中心，江苏南京210024）

摘要:外界环境的干扰会降低智能机器人语音识别效果，为提升智能机器人的识别效果，提出基于深度卷积神经网络的智能机器人

语音自动识别方法。该方法首先分析了智能机器人智能化服务特性，以此为基础采集智能机器人语音信息数据；利用构建的伽

玛通滤波器降低智能机器人语音噪声数据，进一步提取语音信息能量特征；将信息能量特征输入到深度卷积神经网络识别模

型内分类训练，实现智能机器人语音自动识别。实验结果表明，该方法的语音识别率达到了90%以上，识别耗时低于1.5s，

提升了智能机器人的语音识别效果。

关键词:深度卷积神经网络；智能机器人语音识别；数据滤波；分类训练

中图分类号：TP242.6文献标识码:A文章编号:1003-7241(2024)04-0043-04

AutomaticSpeechRecognitionofIntelligentRobot

BasedonDepthConvolutionNeuralNetwork

XIANGZeng-hui,ZHANGGuo-liang,PANGYuan-yuan,CHENXin,WANGXin

(CommunicationControlCenter,StateGridJiangsuElectricPowerCo.,Ltd.,InformationCommunicationBranch,Nanjing210024China)

Abstract:Theinterferenceofexternalenvironmentreducestheeffectofintelligentrobotspeechrecognition.Inordertoimprovetherecog-

nitioneffectofintelligentrobot,anautomaticspeechrecognitionmethodbasedondepthconvolutionneuralnetworkisproposed

forintelligentrobot.Thismethodfirstanalyzestheintelligentservicecharacteristicsofintelligentrobot,andthencollectsthe

voiceinformationdataofintelligentrobot.Usingtheconstructedgammapassfiltertoreducethevoicenoisedataofintelligentro-

bot,furtherextracttheenergyfeaturesofvoiceinformation.Theinformationenergyfeaturesareinputintothedeepconvolution

neuralnetworkrecognitionmodelforclassificationtraining,soastorealizeautomaticspeechrecognitionofi