基于深度學(xué)習(xí)的維語語音識別研究.pdf

1、語音識別就是將原始語音信號識別成相對應(yīng)的文本或者其它形式的可以被計算機所處理的信息。語音識別技術(shù)是人工智能領(lǐng)域一個重要的研究方向，具有很高的研究價值和商業(yè)價值。近年來，隨著深度學(xué)習(xí)在機器學(xué)習(xí)和模式識別領(lǐng)域的興起，以及深度學(xué)習(xí)所具備的超強建模能力，能從海量的數(shù)據(jù)里“學(xué)習(xí)”到有效的信息，迅速吸引了眾多國內(nèi)外研究者的關(guān)注。深度學(xué)習(xí)也被應(yīng)用到語音識別領(lǐng)域，并且取得了很好的效果，基于深度神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫模型(Deep NeuralNetwor

2、k-Hidden Markov Model，DNN-HMM)的語音識別框架更是迅速取代了傳統(tǒng)基于高斯混合模型(Gaussian Mixture Model，GMM)-隱馬爾科夫模型的框架，成為當(dāng)今語音識別系統(tǒng)的標(biāo)準(zhǔn)配置。
　　以往語音識別所關(guān)注的語種主要是那些使用人口多或普及率高的語言，比如漢語、英語、阿拉伯語等，研究過程中所開發(fā)的技術(shù)成果在不經(jīng)過太大改動的情況下就可以直接被推廣到具有相似特點的語種中。經(jīng)過幾十年的發(fā)展，這些語種的

3、語音識別技術(shù)發(fā)展已經(jīng)日趨成熟。然而一些像維吾爾語這樣的小語種的語音識別技術(shù)在國外卻沒有得到廣泛的關(guān)注和發(fā)展。隨著新疆經(jīng)濟的快速發(fā)展，新疆也變的越來越開放，關(guān)于維吾爾語語音識別系統(tǒng)開發(fā)工作的必要性及極其廣闊的市場前景是不可忽略的。本文對基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型及其建模方法做了詳細(xì)分析，并將基于深度學(xué)習(xí)的語音識別技術(shù)用在了維吾爾語的識別上。
　　1、研究了基于DNN-HMM的聲學(xué)建模
　　聲學(xué)模型(Acoustic Model，A

4、M)是語音識別系統(tǒng)最重要的組成部分，一個好的聲學(xué)模型可以提高語音識別的系統(tǒng)性能。本文首先介紹了深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)以及算法，然后分別用300小時和500小時的維吾爾語語音數(shù)據(jù)訓(xùn)練基于深度神經(jīng)網(wǎng)絡(luò)結(jié)合隱馬爾科夫模型的聲學(xué)模型。通過實驗發(fā)現(xiàn)500小時的訓(xùn)練集訓(xùn)出的聲學(xué)模型比300小時的訓(xùn)練集訓(xùn)出的聲學(xué)模型在詞識別錯誤率上相對下降了3.03％，這說明訓(xùn)練集合越大聲學(xué)模型識別率越高。
　　2、研究了基于LSTM-HMM的聲學(xué)建模

5、　　介紹了循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent neural Network, RNN)，但由于RNN存在后面時間節(jié)點對前面時間節(jié)點感知力下降導(dǎo)致的梯度消失問題，因此研究了長短期記憶(Long-Short Term Memory, LSTM)網(wǎng)絡(luò)。通過實驗發(fā)現(xiàn)LSTM-HMM聲學(xué)模型較DNN-HMM聲學(xué)模型在詞識別錯誤率上相對下降了12.49％，這說明LSTM-HMM聲學(xué)模型較DNN-HMM聲學(xué)模型有很大的性能提升。
　　3、維語語言