典型文献
基于大数据和深度学习的电网调度语音识别声学模型研究
文献摘要：
随着各级电网调度数据接入规模的快速增大,调度员承担的职责和复杂性日益增多,给电网调度指令的正确下发和电网的安全稳定运行带来了严峻的挑战.调度语音识别是解决该问题的有效手段之一,也是推进电网智能化建设的重要举措.本文首先介绍了语音识别的基本概念,在调度语音大数据的背景下,引入了卷积神经网络模型和隐马尔科夫模型用于电网调度语音识别,并结合电网专业知识背景构建了电网调度语音声学词表,建立了基于大数据和CNN-HMM的电网调度语音识别声学模型,在特征计算时采用了倒谱均值方差归一化方法,以降低信道和噪声影响,提升声学模型的鲁棒性.仿真算例表明,该模型可以有效提升调度语音识别的准确性,为相关工程实践提供了一种思路.
文献关键词：
大数据;深度学习;电网调度;语音识别;声学模型;声学词表
中图分类号：
作者姓名：
肖林;肖倩宏;魏莉莉;周艳云;汪适
作者机构：
贵州电网有限责任公司铜仁供电局,贵州 铜仁554300
文献出处：
引用格式：
[1]肖林;肖倩宏;魏莉莉;周艳云;汪适-.基于大数据和深度学习的电网调度语音识别声学模型研究)[J].电力大数据,2022(09):30-36
A类：
声学词表
B类：
电网调度,语音识别,声学模型,数据接入,入规,调度员,调度指令,安全稳定运行,电网智能化,智能化建设,卷积神经网络模型,隐马尔科夫模型,知识背景,音声,HMM,特征计算,均值方差,归一化方法,信道,噪声影响,升调
AB值：
0.259214
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
