基于主動學(xué)習(xí)機(jī)制的聲學(xué)模型擴(kuò)充方法.pdf

1、語音作為最自然、最方便的傳遞方式，在人類社會中無處不在。尤其在信息和多媒體技術(shù)迅猛發(fā)展的今天，語音通信網(wǎng)絡(luò)和計算機(jī)互聯(lián)網(wǎng)上的語音數(shù)據(jù)正以迅猛的趨勢增長。對這些數(shù)據(jù)進(jìn)行分析和處理，并獲取人們感興趣的信息，具有重要的理論意義和實(shí)用價值。作為語音信息處理的核心技術(shù)，語音識別以讓機(jī)器將語音信號轉(zhuǎn)化成文字信息為目標(biāo)而備受關(guān)注。讓機(jī)器聽懂人類的說話，一直是科技的夢想，語音識別技術(shù)在語音分析、智能化控制等領(lǐng)域有著廣泛的應(yīng)用前景和商業(yè)價值。
　　

2、近年來，語音識別一直是語音處理領(lǐng)域研究的熱點(diǎn)，吸引了很多學(xué)者展開廣泛而深入的研究，取得了大量的研究成果。尤其是基于隱馬爾可夫模型的方法出現(xiàn)后，語音識別的性能得到了大幅度的提升。然而許多在實(shí)驗(yàn)室中性能較好的識別器，拿到實(shí)際環(huán)境中卻表現(xiàn)的不盡如人意，這成為制約語音識別技術(shù)實(shí)用化的關(guān)鍵因素。究其原因，模型不匹配問題扮演了重要的角色，即訓(xùn)練得到的識別模型不能很好的匹配實(shí)際環(huán)境的語音數(shù)據(jù)?；陔[馬爾可夫模型的語音識別方法，本質(zhì)上是利用統(tǒng)計模型來刻

3、畫訓(xùn)練數(shù)據(jù)中所蘊(yùn)含的聲學(xué)知識和語言學(xué)知識，其識別效果的好壞依賴于訓(xùn)練數(shù)據(jù)的多少以及數(shù)據(jù)的覆蓋寬度，而實(shí)際的訓(xùn)練數(shù)據(jù)總是有限的不充分的，不可能覆蓋所有的發(fā)音情況。
　　考慮到人類學(xué)習(xí)的方式之一是在錯誤中學(xué)習(xí)，通過不斷的消化錯誤知識，不斷的主動學(xué)習(xí)、累積學(xué)習(xí)，從而持續(xù)擴(kuò)充和校正頭腦中的認(rèn)知?？梢詫⑦@樣的學(xué)習(xí)方式運(yùn)用到語音識別中，通過對錯誤識別的語音數(shù)據(jù)進(jìn)行學(xué)習(xí)，轉(zhuǎn)化為新的模型知識，擴(kuò)充已有的模型。這樣不斷的學(xué)習(xí)，去減輕模型不匹配現(xiàn)象。

4、要達(dá)到上述目的，需要解決如下兩個問題：（1）聲學(xué)模型的擴(kuò)充問題，如何將新獲得的語音知識加入到已有的聲學(xué)模型中去，考慮到現(xiàn)有的語音識別技術(shù)大多基于統(tǒng)計的方法實(shí)現(xiàn)，顯然聲學(xué)模型擴(kuò)充不能直接完成；（2）累積式學(xué)習(xí)問題，這樣一種從錯誤中學(xué)習(xí)的過程顯然應(yīng)該是一個長期的、持續(xù)的、在線的過程，是一個不斷修正的過程，然而面對現(xiàn)有的語音識別技術(shù)框架，如何實(shí)現(xiàn)這一學(xué)習(xí)過程成為本文研究重點(diǎn)。
　　本文圍繞著上述問題開展了一系列的研究工作，針對基元同構(gòu)和

5、異構(gòu)兩種情況，提出了聲學(xué)模型擴(kuò)充方法，并結(jié)合主動學(xué)習(xí)機(jī)制，來解決聲學(xué)模型擴(kuò)充中的累積式學(xué)習(xí)問題。主要研究工作如下：
　　（1）提出了基于MAP的聲學(xué)模型擴(kuò)充方法。擴(kuò)充的聲學(xué)模型采用與原模型相同的基元形式，并研究了基于MAP模型自適應(yīng)方法的新模型生成方法，并在保留原有聲學(xué)模型的基礎(chǔ)上向其添加新模型。
　　（2）提出了聲學(xué)基元異構(gòu)條件下的聲學(xué)模型擴(kuò)充方法。為了減少添加模型的規(guī)模，以音節(jié)為基元來訓(xùn)練新擴(kuò)充的聲學(xué)模型。為了平衡基元異