基于CGRU多输入特征的地空通话自动切分
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP3-0

基金项目:

国家自然科学基金委员会与中国民用航空局联合项目(U1833115)


Automatic speech segmentation for air-ground communication based on multi-input CGRU neural network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    自动语音切分是语音识别、声纹识别、语音降噪等语音应用中非常重要的预处理环节,切分算法的优劣直接影响了系统输出结果的精度.在空管地空通话中,传输信道噪声、天气因素以及说话人工作状态均会对语音信号产生影响,进而在一定程度上影响语音切分性能.在分析空管地空通话语音特性基础上,提出了一种基于CGRU网络多输入特征的自动语音切分方法.该方法结合地空通话的特点,采用深度学习的方法进一步提取语音信号的时域和频域非线性特征,将语音信号帧分类为语音帧、结束帧以及其他帧三类.实验对比了多种语音特征作为输入对切分效果的影响,同时验证了GMM、CNN、CLDNN、CGRU等切分算法在真实地空通话测试集上的表现,并提出了一种简单预测结果平滑算法.实验结果表明,文中提出的自动切分方法在地空通话中具有明显优势,分类模型的AUC值达到了0.98.

    Abstract:

    Automatic Speech segmentation is a very important preprocessing approach in many largescale applications such as speech recognition, speaker recognition and speech noise reduction. The performance of the segmentation algorithm directly affects the accuracy of the system output. In the air traffic control, the quality of the channel, the weather factor and the workload level of the speaker hugely affect the speech segmentation performance. In this paper, by analyzing the speech feature of airground communication, an automatic speech segmentation approach is proposed based on CGRU network. The proposed method analyzes the characteristics of airground communication, and uses the deep learning method to further extract the timedomain and frequencydomain nonlinear features of the speech signal, and classifies the speech signal frame into three categories: speech, end signal and others. The experiment compares the effects of multiple speech features as input on the segmentation effect, and verifies the performance of GMM, CNN, CLDNN, CGRU and other segmentation algorithms on the airground communication test dataset, a simple prediction result smoothing algorithm is presented. The experimental results show that the automatic segmentation method proposed in this paper has obvious advantages in airground communication, the AUC value of the classification model reaches 0.98.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 郭东岳,林毅,杨波. 基于CGRU多输入特征的地空通话自动切分[J]. 四川大学学报: 自然科学版, 2020, 57: 887.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-06-25
  • 最后修改日期:2019-12-19
  • 录用日期:2019-12-20
  • 在线发布日期: 2020-09-12
  • 出版日期:
通知
自2024年3月6日起,《四川大学学报(自然科学版)》官网已迁移至新网站:https://science.scu.edu.cn/,此网站数据不再更新。
关闭