Robust語音識別方法研究.pdf

1、該文研究環(huán)境失配情況下的提高語音識別系統(tǒng)魯棒性的方法.以基于HMM的語音識別系統(tǒng)為基礎(chǔ),提出在系統(tǒng)級提高識別系統(tǒng)魯棒性的識別方法.首先從語音受污染的機(jī)理以及統(tǒng)計(jì)建模的角度分析、闡述了環(huán)境失配造成識別性能下降的原因.對特征參數(shù)級的失配補(bǔ)償?shù)膬煞N方法(CMN和RASTA)的原理進(jìn)行了分析,并通過實(shí)驗(yàn)驗(yàn)證了其有效性.其次,根據(jù)人類聽覺感知語音信息的機(jī)理,該文采用從多個(gè)子帶獨(dú)立提取特征信息,并通過這些信息的互補(bǔ)和融合,去進(jìn)行對語音傳輸信道失配影

2、響的補(bǔ)償.基于此,該文提出了一種基于子帶HMM和神經(jīng)網(wǎng)絡(luò)融合的識別方法,在這種方法中,采用了基于子帶的多子系統(tǒng)的結(jié)構(gòu)框架,系統(tǒng)由N個(gè)子帶系統(tǒng)和一個(gè)語音全頻帶子系統(tǒng)組成,每個(gè)子系統(tǒng)獨(dú)立提取Mel倒譜參數(shù),并獨(dú)立訓(xùn)練、建立子系統(tǒng)的HMM模型.通過對比實(shí)驗(yàn),證實(shí)了該方法提高了系統(tǒng)的識別魯棒性,并表明了子系統(tǒng)間信息的互補(bǔ)和融合的有效性.最后,為進(jìn)一步提高系統(tǒng)識別在失配下的魯棒性,該文提出了一種使用背景模型,以似然比評分代替概率評分作為最后判決依