基于人机交互增强算法的便携语言翻译机系统研究

为了实现基于人机交互增强算法的便携语言翻译机系统，提出了一种基于傅里叶门控卷积神经网络的语音增强模型与一种基于FSMN+Transformer语音识别模型用于便携语言翻译机。首先，对便携语言翻译机系统进行了整体设计；然后，对系统的关键部分即语音增强模型和语音识别模型分别进行了设计，其中，语音增强模型选择傅里叶门控卷积神经网络优化算法来构建；语音识别模型中，选择矢量型FSMN作为声学模型的基础结构，并引入门控单元和残差网络对其进行优化，同时选择添加交互算法的Transformer算法构建语言模型，共同构成基于FSMN+Transformer的语音识别模型；最后，分别对语音增强模型、语音识别模型以及便携语言翻译机系统进行实验验证。结果表明：基于傅里叶门控卷积神经网络的语音增强模型更具优越性，FSMN+Transformer的语音识别模型的正确率最高，基于提出的语音增强与语音识别模型的便携语言翻译机系统对原始语音的翻译准确率都达到了99%以上。