基于深度卷积神经网络的智能机器人语音自动识别方法

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1.5 s，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

基金资助

2020年江苏省自然科学重点研究项目（KJ2020A1098）