基于DTW算法的电力调度语音识别研究和应用

王素宁，朱俊杰，李志勇，黄宇星，李 琪，田朝阳，陈凯锋

(1.国网上海市电力公司崇明供电公司,上海 202150；2.东方电子股份有限公司，山东 烟台 370602)

调度自动化作为智能电网系统重要的一部分，在人工智能方向的应用有大数据、云计算、调控云等[1-5]。但是在调度控制系统方面还是采用键盘加鼠标的传统交互方式，因此研究新形式的人机语音交互方式很有必要[6]。人机语音交互技术在其他领域应用已经比较成熟，因此把其应用到电网调度运行中具有可行性[7-8]。人机语音交互首要需要解决的问题就是语音识别技术，电力调度具有很强的专业术语和特殊符号等，同时每个调度员有自己的说话口音、语序和方式，在相对嘈杂的环境中如何有效地识别出调度人员的声音并准确完成相对应的指令操作尤为重要[9-10]。

语音识别可分为孤立词识别、连接词识别和连续语音识别等[11]。针对语音识别最主要的方法有动态时间规整 (Dynamic Time Warping，简称DTW)算法、隐马尔可夫模型(Hidden Markov Model，简称HMM)、神经网络，深度学习等[12-15]。本文将采用改进的DTW与GMM-HMM算法相结合完成语音地精准识别。

1 语音识别系统原理和步骤

1.1 语音识别基本框架

一个语音识别系统框架主要包括：声学分析(Signal Analysis)、声学模型(Acoustic Model)、词典(Lexicon)、语言模型(Language Model)、搜索/解码(Search/Decoding)，具体如图1所示。

图1 语音识别系统框架

(1)声学分析，也称特征提取，用于提取有用信息，将一段语音帧解析为一个固定维数的特征向量。常用方法有梅尔频率倒谱系数(Mel-frequency cepstral Coefficient，简称MFCC)和感知线性预测系数(Perceptual Linear Prediction，简称PLP)。……