一种防疫传染病的防雾负压的蒙汉语音互译智能

：本发明属于基于蒙汉语音互译技术的医用防护用品的创新。具体涉及负压防护服装置设计、及蒙语同声传译功能。背景技术0、背景技术：1、对医护人员的保护也不够到位，以致许多医护人员在工作中感染了传染病毒，极大的影响疫情的防控效果。公共卫生安全问题已经成为世界面临的一大难题，医疗防护用品在未来会表现得愈加重要。2、口罩由于其对传染病毒的有效防疫作用已经成为灾区医疗防护人员的防疫标配，但是由于其过滤凝胶涂层的透气性很低，一些医护人员在佩戴口罩进行工作的工程中经常会出现呼吸不畅的情况，严重影响医护人员的人身安全和工作效率。公众主要靠口罩来免疫传染病毒的传播，没有针对次密接者设计的防护服，导致对次密接者普遍采用隔离的方法，限制了次密接者的人身自由，这对其工作和生活产生了很大的影响。穿上防护服后，由于其密闭的环境导致使用者与外界的沟通不畅，对其工作效率影响很大。3、综上所述，我们发现设计制造一种能同时解决次密接者呼吸顺畅性和保护次密接者正常活动的医疗防护用品是十分必要的。因为次密接者有很大的传播危险性，空气中的病毒密度很大，口罩的密闭性不能得到稳定的保障，因此，口罩的防护能力就值得商榷了，我们对防护服进行改进，通过自动控制技术，控制防护服进风口的和出风口的风扇转速，智能调节防护服内外的压力，从而在防护服内部产生负压，防止穿戴者自身的呼吸废气通过防护服的缝隙扩散到周围的空气中去。同时本发明设计了连体空调服，在通过电扇控制防护服内的空气流动方向，既能为防护服提供足够的氧气，又能为医护人员及时散热。同时，为了能在全国包括少数民族地区推广此防护服，本防护服还具有蒙语的同声传译功能。4、本发明对于有需要的次密接者而言，可以通过穿戴本产品达到很好的防疫效果，即使在疫情很严重的环境中也不必担心会被传染。同时，本发明还可以防止次密接者呼出的气体污染外界环境，电扇的引入还可以为紧张工作的穿戴人员进行及时散热使其缓和工作的压力，身心放松且高效的工作。随着手机、家电等终端向智能化方向发展，越来越多的产业和应用都依赖于自然语言处理技术。本发明有望为广大的信息行业和智能行业提供关键技术支撑，促进多民族自然语言处理技术的发展。技术实现思路0、技术实现要素：1、本发明是利用提供防疫、保证呼吸顺畅和负压过滤功能的医疗防护用品，采用防护服内气压的智能控制产生负压，最后本防护服还具有蒙语的同声传译功能。装置原理如图1所示。2、1、负压防护服的装置设计3、我们设计了基于计算机的智能压力控制装置，在防护服外侧装备形变传感器，通过计算机测量装备的形变大小来评估防护服内部负压的大小，来保证防护服内部的负压力会之中保持在一定的范围内，其原理如图2所示。4、首先形变传感器会实时将防护服的形变情况反馈给计算机，计算机实时计算形变情况始终保持在一定的范围内。时风扇1会减小抽气的速度，降低出风口的流量，防止防护服贴在佩戴者的面部，影响佩戴者正常呼吸。时风扇1会增大抽气的速度使防护服内的负压增大，保证佩戴者呼出的气体不会从衣服的缝隙扩散到空气中去。可以很好地对周围的人进行保护。5、我们利用pid(proportion integration differentiation)的方法对温度进行更准确的智能控制。首先建立模型如图3所示。其中风扇1转速引起负压的变化，这里将温度作为监测量，温度差值即为上文中的温度差值则风扇转速sf的调节公式为：6、7、2、蒙语同声传译功能8、构建蒙汉语音互译系统能够为各民族间人文交流、经济贸易和文化传播提供高效的语言翻译支撑，促进自然语言理解、翻译和问答等在少数民族语言方面的应用。建立的智能交互应用系统，有望走进少数民族家庭，使少数民族人民分享科技进步和社会发展的成果，这将有力促进民族区域发展。蒙汉语音互译系统具体原理如图4所示。9、首先，通过语音识别模块将采集的语音转换成文本，然后写入芯片的缓冲区，芯片会自动识别语言种类，同时实现民汉互译，最后通过文本转语音模块实现语音的外放，从而完成民汉互译。其中语音识别模块和文本转语音模块分别采用asr-ld3320和syn6288模块，这两种模块在网上很容易就可以买到，核心是芯片中的蒙汉语音互译模块。10、民汉语音互译模块有三部分构成。11、(1)蒙古语音转译文字12、方法一，基于迁移学习和深度神经网络的机器翻译框架。在神经机器翻译中，匮乏的蒙汉双语平行语料无法获得高质量的词向量表示和编码-解码的神经网络参数。本专利采用参数迁移的方法将资源丰富的英汉翻译知识迁移至蒙汉翻译模型。具体方法如图5所示。图5(a)展示了蒙语到汉语方向上的迁移学习方法：以迁移英汉翻译解码器神经网络参数和汉语词向量为主要目标。在源语言的编码方面，由于语序的局部相似性(例如英语的动词-介词结构和维吾尔语的后置词表达)，在蒙语的编码设计模型有选择地共享英语的编码参数。图5(b)展示了汉语到蒙语方向上的迁移学习方法：以迁移汉英翻译编码器神经网络参数和汉语词向量为主要目标。13、方法二，基于序列到序列的语音转文本模式。在端到端的蒙汉语音识别的模型中，通过序列到序列的方式，对蒙汉语音流进行提取和识别，并将对应的蒙语或者汉语音频转换为文字。如图6所示。具体的工作流程如下。第一步，由于环境中会存在大量的背景噪声和杂音，因此我们设计了噪声去除模块，用线性滤波器来对原始蒙汉音频数据进行去噪，以获得更加纯净可靠的音频数据。第二步，我们对蒙汉音频重新采样，使得所有蒙汉音频都具有相同的采样率。并且将所有蒙汉音频转换为相同数量的通道和相同的持续时间，以便将输入的蒙汉音频数据填充成统一长度的序列。第三步，我们构造基于卷积神经网络和双向循环神经网络的蒙汉语音编码器，通过对音频序列和进行编码，获得该蒙汉音频数据的特征向量表示。第四步，我们设计了一个蒙汉语音解码器，用线性网络层来将蒙语或者汉语的音频特征向量进行解码，从而输出对应的汉语或者蒙语文字。由于音频中音符的边界不清晰，口语音频并不整齐。为了解决对齐和重复字符的挑战，我们在词汇表中引入了“空白”伪字符(用“-”表示)，并利用ctc进行蒙汉音频和文本的对齐。通过将连续的音频切成离散的帧，从而获取这些字符概率，推导出正确的字符序列。14、(2)基于半监督和弱监督的机器翻译方法15、本专利面向有限的双语平行语料和海量的单语语料研究基于半监督和弱监督的机器翻译方法。采用的方法如下：首先，利用小规模双语数据分别训练源语言到目标语言的翻译模型mts2t和目标语言到源语言的翻译模型mtt2s，其次，采用半监督方法将源语言海量单语dxm数据通过mts2t翻译为目标语言译文dxt，最后，将目标语言海量单语数据dym通过mtt2s翻译为源语言译文dyt，dbx和dby可作为双语平行数据重新训练机器翻译模型mts2t和mtt2s。16、(3)文本合成语音17、方法一，大数据与先验知识结合的机器翻译模型神经机器翻译模型。面临一个重要的缺陷：无法融入双语词典和知识图谱等先验知识。本专利采用基于数据合成的解决方案。给定小规模双语平行语料，学习一个统计机器翻译模型。统计机器翻译模型是一种符号匹配模型，方便融入双语词典等先验知识。以融入双语词典为例，给定源语言单语大数据和双语词典，从中搜索包含源语言的若干个句子。然后将双语词典加入模型，并利用双语词典翻译得到译文，由于神经机器翻译可以从大量重复的现象中学习到翻译知识，因此从中将会学习到源语言到目标语言的翻译。对于知识图谱，可以采用类似的数据合成方法，并将实体关系进行编码，然后作为约束要求译文中的实体也满足对应的关系。18、方法二，基于端到端的文本转语音。在文本转译语音模块中，我们设计了一种从字符直接合成语音的，一种端到端的文本到语音模型，如图7所示。首先，我们构造了文本编码器，通过卷积网络进行文本语句上下文的知识提取，各个卷积的输出结构叠在一起的序列之间按照时间方向做最大池化，即让相邻的向量比较像一点，并将得到的输出与最开始的输入序列做残差连接。其次，我们利用highway network对输入序列进行非线性变换，以获得更加稳定的文本特征表示。然后使用循环神经网络对文本序列进行计算，用来提取文本中的前后依赖性和上下文关联性。最后，我们使用一个基于注意力机制的解码器，将文本映射到语音中，并且为不同文本特征项赋予不同的权重值，从而获得对应的蒙语语音或者汉语语音。