基于正交層次分析法的質檢數據語音識別效率改善方法研究

張 伊，楊靜萍，王萬雷

(大連民族大學 機電工程學院，遼寧 大連 116605)

1 研究背景

2017年，秦楚雄和張連海針對低資源訓練數據下DNN特征建模識別性能不佳的問題，提出了一種提取新的基于DNN特征的方法，使其相對于HMM模型識別率提升了0.8%～3.4%[8]。但是僅使用DNN模型可能存在記憶斷層及噪聲環境下性能不穩定的問題，2018年Mohit Dua等提出一種利用差分進化(DE)算法優化MFCC、GFCC和BFCC技術中濾波器數目和間距的新方法，該方法在噪聲環境下識別效率得到有效提高[9]。2019年，李婉玲和張秋菊為提高語音識別的魯棒性，提出一種基于HMM/SVM的抗噪語音特征提取及優化組合方法，實驗表明該方法的系統識別率達到95.25%，提高了系統的識別效率和分類決策力[10]。鄧引引為解決浮點語音數據運算效率低的問題，對CNN模型進行優化，提出一種改進的卷積運算方法，優化后中文CNN聲學模型的語音識別系統平均識別效率相對提升77.58%[11]。2020年Toktam Zoughi等又進一步降低了識別錯誤率，提出利用自適應窗口卷積神經網絡(AWCNN)分析聯合時間-光譜特征的變化和一種新的殘差學習方法，在某些語音識別任務中比現有方法的絕對錯誤率降低了7%[12]。

在上述方法中，語言模型和聲學模型優化方法能夠有效提升語音識別效率。然而，由于需要建立相關模型及訓練數據集，該方法的工程量大且耗時長。在工業領域中，對語音識別的準確率和安全性要求較高[13]。在確定語音識別率的情況下，質檢數據語音識別效率還有改善的空間。語音識別在實際應用中主觀性占比較大，存在用戶發音有要求及使用流程和過程中出現輸入錯誤怎樣改正等問題。本研究提出一種基于正交層次分析法的質檢數據語音識別效率改善方法，該方法不需要提高語音識別準確率及降低噪音影響，而是采用試驗統計方法快速計算和完成評價，有效提升了語音識別的效率，縮減了質檢人員錄入電子文本的時間，提高了質檢人員的工作效率。

2 正交層次分析語音識別效率評價模型

正交試驗設計依據數理統計原理，科學地挑選試驗條件，合理減少試驗次數并獲取有效的實驗數據，提高了試驗的效率[14]。層次分析法(Analytic Hierarchy Process，AHP)是一種定性與定量分析相結合的多準則決策方法，基本思想是在對復雜決策問題的本質、影響因素及內在關系進行深入分析后，構建一個層次結構模型，利用較少的定量信息，將人的思維過程層次化、數學化，為求解多目標、多準則或無結構特性的復雜決策問題提供一種簡便的決策方法[15]。

根據郭穗勛、黃榕波提出的正交試驗數據分析的新方法——正交試驗層次分析法[16]，為分析輸入指令方式、錄入人員普通話等級和改正輸入錯誤方式對質檢數據語音識別效率的影響，并找到質檢數據語音識別更高效的方法，設計了正交實驗(測試環境：噪音45～60分貝，沒有多余外界因素干擾)，因子水平設計見表1。

表1 因子水平設計

正交實驗和層次分析法相結合，其模型的邏輯結構框圖如圖1。第1層為試驗考核指標層，第2層為因素層，第3層為水平層。

圖1 模型邏輯結構框圖

計算相應矩陣，進而得出影響權重，評估各因素對強度的影響程度，驗證正交試驗直觀分析的結論[17]。試驗指標是時間，越小越好，則令Mij=1/Kij(i=1,2,…,n;j=1,2,…,m)，其中Kij為因子Bi的第j水平下實驗數據之和，水平層對實驗影響效應矩陣：

(1)

對矩陣A的每一列進行歸一化，右乘矩陣S，矩陣S如式(2)。

(2)

毛澤東同志曾指出：“科學研究的區分，就是根據科學對象所具有的特殊的矛盾性。因此，對于某一現象的領域所特有的某一種矛盾的研究，就構成某一門科學的對象。” 我認為同其他應用經濟學科一樣，中國特色貿易經濟學是有自己特定研究學科對象和研究內容的，并可以與相關的經濟學嚴格區分開來。

(3)

由式(1)、(2)和(3)可以得到各因子對語音識別效率的影響權重大小：ω=ASCT。

3 語音識別效率對比實驗

效率最直觀的檢測方式就是時間與工作量的比值，在同一時內，完成的工作量越多效率越高；在同樣的工作任務下，完成全部工作用時越短則效率越高。

3.1 語音識別效率評價模型

本試驗共涉及三因子二水平，選用L8(2^3)正交表，正交實驗直觀分析見表2，其中T為單次輸入所用時長。

表2 正交試驗直觀分析表

根據式(1)，M11=0.0033，M21=0.0062，M12=0.0040，M22=0.0047，M13=0.0044，M23=0.0043，則

(4)

因為式(2)即1/t1=118.09，1/t2=117.27，1/t3=115.27，

(5)

又因為式(3)，式中R1為139.212，R2為38.095，R3為7.715，則

(6)

由式(4)、(5)和(6)可以得到各因子對語音輸入效率的影響權重如式(7)：

(7)

因子B1中對指標權重影響最大的是B12，因子B2中對指標權重影響最大的是B22，因子B3中對指標權重影響最大的是B31，故試驗最優條件為B12B22B31，各因子影響排序B1>B2>B3，與直觀分析法結果一致。質檢數據語音識別高效的模型：錄入人員普通話等級在二級乙等及以上，通過光標指示并在輸入過程中及時改正錯誤。

3.2 語音識別對比實驗

語音識別實驗由語音輸入檢測原型系統和相關硬件設備組成。語音輸入原型系統基于語音輸入軟件開發工具，結合語音輸入流程設計Android錄入系統。硬件系統包括計算機(用于數據存儲、系統設定)、平板電腦或手機(用于語音輸入原型系統客戶端的運行)和藍牙耳麥(語音數據采集)。語音識別實驗流程如圖2。

圖2 語音識別實驗流程圖

分別進行效率改善前的語音識別實驗和正交層次分析法得出的模型語音識別實驗，每個實驗分成5組，每組50次，5組數據對比，選擇每組最優的數據進行記錄。

3.3 實驗結果分析

上述語音識別輸入實驗和語音模型識別輸入實驗最優數據結果見表3。

表3 實驗最優數據結果 /s

將以上實驗數據通過圖像的形式直觀展現，語音識別輸入最優數據組匯總報告如圖3。

圖3 語音識別輸入最優數據組匯總報告

模型識別輸入最優數據組匯總報告如圖4。

圖4 模型識別輸入最優數據組匯總報告

通過實驗數據結果顯示，語音識別輸入時間均值為328.04 s，標準差2.79，最大值為333.77 s，最小值為321.08 s；模型識別輸入時間均值為141.78 s，標準差為2.18，最大值為145.68 s，最小值為137.75 s。模型輸入質檢數據的方式用時較語音輸入質檢數據的方式少，且時間波動幅度也較小，使用語音模型可提升45.29%語音識別的效率。

4 結 語

本文提出一種基于正交層次分析法確定語音識別效率的評價與改善方法，首先確定輸入指令方式是影響質檢數據語音識別效率的主要因素，錄入人員普通話等級是次要因素，而改正輸入錯誤方式對效率也有一定影響。通過正交層次分析法對比實驗最終確定錄入人員普通話等級在二級乙等及以上，通過光標指示并在輸入過程中及時改正錯誤的方式為質檢數據語音識別效率最優方式。該方法在保證現有語音識別準確率的前提下對語音識別的效率提高具有一定作用，實驗結果表明模型有效。