Page 44 - 电力与能源2021年第一期

3 8 王素宁, 等: 基于 DTW 算法的电力调度语音识别研究和应用

图 9 “ 地理图” 波形

图 8 测试指令和指令 2 的距离
进后d pi j *
[][] , 的公式如下:
n
α=1- ∑ m comLen ( 3 ) 图 10 语音波形、 语谱和 hash图
i =1 m se q Len
度中应用的语音识别方法, 通过试验表明该方法
———图 中 最 优 路 径 节 点 个 数;
式 中 m se q Len
在电力调度语音识别中更具有优良性。通过在上
———每段直线路径对角线个数。
m comLen
海崇明电网主配网站一体化的 DF8003 系统上应
改进后: d q 1=0.725113 ; d q 2=0.86168 。改
用, 减少了调控人员的操作, 提高了崇明地调人员
进后“ 测试指令” 和“ 指令 1 ” 距离更小, 更符合匹
的工作效率, 可以在上海甚至全国电网调度推广。
配结果。
由于本次制作的电力调度语音库词汇有限, 针对
2.3.3 路径搜索范围优化
更复杂的语音库需要进一步进行研究。
同样的语音指令在稳定状态有时间长短、 振
参考文献:
幅差异, 总体包络形态相似。因此, 在进行 DTW
计算之前先将峰谷单元进行归一化。即每个峰谷 [ 1 ] 解深海 . 智能电网调度控制系统现状与技术展望[ J ] . 山东
工业技术, 2015 ,( 17 ): 130-135.
都归一化成时间长短 0.5s , 振幅正负1 的归一化
XIEShenhai.Currentsituationandtechnolo gyp ros p ect
单元波形。 DTW 计算搜索的范围不对所有点进
ofdis p atchin gcontrols y steminsmartg rid [ J ] .Shandon g
行搜索, 集中偏移和对角线邻居范围搜索。 IndustrialTechnolo gy , 2015 ( 17 ): 130-135.
2.4 频谱优化及应用 [ 2 ] 李明节, 陶洪铸, 许洪强, 等 . 电网调控领域人工智能技术
频谱反应了说话人声音器官 发 音 的 频 率 范 框架与应用展望[ J ] . 电网技术, 2020 , 4 ( 2 ): 393-400.
LIMin gj ie , TAO Hon g zhu , XU Hon gq ian g , etal.The
围, 高频率会在波形中产生更紧密的周期性能量
technicalframeworkanda pp licationp ros p ectofartificial
叠加。同时固定的背景噪声也有固定的频谱, 因
intelli g encea pp licationinthefieldofp owerg riddis p atc-
此在以下方面进行优化。 hin gandcontrol [ J ] .PowerS y stem Technolo gy , 2020 , 4
通过语音波形计算出语谱, 然后进行二阶高 ( 2 ): 393-400.
斯模糊函数处理, 降低高频谱分量的权重, 调整高 [ 3 ] 高存博 . 智能电网调度控制系统的现状与展望[ J ] . 电子技
术与软件工程, 2016 ( 12 ): 143-148.
斯函数的 ( x 的均值), σ ( x 的方差) 来适应不同
μ
GAOCunbo.Currentsituationandp ros p ectofsmart g rid
语音速度的模糊处理。例如语音指令, 其波形、 语
dis p atchin gcontrols y stem [ J ] .ElectronicTechnolo gy &
谱, 高斯模糊处理后的语谱经过图像压缩后得到 SoftwareEn g ineerin g , 2016 ( 12 ): 143-148.
语谱 hash , 如图 9 和图 10 所示。通过处理后可 [ 4 ] 阙凌燕, 蒋正威, 肖艳炜, 等 . 调控云关键技术研究及展望
减少 DTW 向量匹配个数,“ 地理图” 可加快匹配 [ J ] . 浙江电力, 2019 , 38 ( 8 ): 1-7.
QUELin gy an , JIANGZhen g wei , XIAO Yanwei , etal.
速度。
Researchandp ros p ectsofke y technolo g iesfordis p atchin g
3 结语 andcontrolcloud [ J ] .Zhe j ian gElectricPower , 2019 , 38
( 8 ): 1-7.
本文提出了一种基于改进的 DTW 在电力调 ( 下转第 64 页)