電力自主移動(dòng)機(jī)器人運(yùn)檢AI助手語(yǔ)音多路信號(hào)端點(diǎn)切分

打開文本圖片集

摘要：研究了電力自主移動(dòng)機(jī)器人運(yùn)撿AI助手語(yǔ)音多路信號(hào)端點(diǎn)切分仿真，解決語(yǔ)音端點(diǎn)切分運(yùn)算復(fù)雜、不準(zhǔn)確問題。機(jī)器人運(yùn)檢AI助手語(yǔ)音服務(wù)包括語(yǔ)音多路信號(hào)采集、播報(bào)、理解、控制等，采集到的AI助手語(yǔ)音多路信號(hào)經(jīng)客戶端降噪處理后，通過主分量分析篩選語(yǔ)音多路信號(hào)矩陣的特征值和特征向量，確定最有用因素作為基底向量，獲取語(yǔ)音多路信號(hào)中最典型特征，經(jīng)線性區(qū)分分析使語(yǔ)音多路信號(hào)的特征布局集中，獲取用于切分的特征井構(gòu)建變化矩陣，利用MLLT計(jì)算變化矩陣，完成語(yǔ)音多路信號(hào)樣本的協(xié)方差矩陣對(duì)角化，井將特征信息作為服務(wù)端卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型輸入，從幀級(jí)上實(shí)時(shí)分類語(yǔ)音多路信號(hào)數(shù)據(jù)，實(shí)現(xiàn)語(yǔ)音多路信號(hào)端點(diǎn)的切分。（剩余105字）