基于主動學習機制的聲學模型擴充方法.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迅猛發(fā)展的今天，語音通信網(wǎng)絡和計算機互聯(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用價值。作為語音信息處理的核心技術，語音識別以讓機器將語音信號轉化成文字信息為目標而備受關注。讓機器聽懂人類的說話，一直是科技的夢想，語音識別技術在語音分析、智能化控制等領域有著廣泛的應用前景和商業(yè)價值。
　　

2、近年來，語音識別一直是語音處理領域研究的熱點，吸引了很多學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。然而許多在實驗室中性能較好的識別器，拿到實際環(huán)境中卻表現(xiàn)的不盡如人意，這成為制約語音識別技術實用化的關鍵因素。究其原因，模型不匹配問題扮演了重要的角色，即訓練得到的識別模型不能很好的匹配實際環(huán)境的語音數(shù)據(jù)?；陔[馬爾可夫模型的語音識別方法，本質上是利用統(tǒng)計模型來刻

3、畫訓練數(shù)據(jù)中所蘊含的聲學知識和語言學知識，其識別效果的好壞依賴于訓練數(shù)據(jù)的多少以及數(shù)據(jù)的覆蓋寬度，而實際的訓練數(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。
　　考慮到人類學習的方式之一是在錯誤中學習，通過不斷的消化錯誤知識，不斷的主動學習、累積學習，從而持續(xù)擴充和校正頭腦中的認知?？梢詫⑦@樣的學習方式運用到語音識別中，通過對錯誤識別的語音數(shù)據(jù)進行學習，轉化為新的模型知識，擴充已有的模型。這樣不斷的學習，去減輕模型不匹配現(xiàn)象。

4、要達到上述目的，需要解決如下兩個問題：（1）聲學模型的擴充問題，如何將新獲得的語音知識加入到已有的聲學模型中去，考慮到現(xiàn)有的語音識別技術大多基于統(tǒng)計的方法實現(xiàn)，顯然聲學模型擴充不能直接完成；（2）累積式學習問題，這樣一種從錯誤中學習的過程顯然應該是一個長期的、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)有的語音識別技術框架，如何實現(xiàn)這一學習過程成為本文研究重點。
　　本文圍繞著上述問題開展了一系列的研究工作，針對基元同構和

5、異構兩種情況，提出了聲學模型擴充方法，并結合主動學習機制，來解決聲學模型擴充中的累積式學習問題。主要研究工作如下：
　?。?）提出了基于MAP的聲學模型擴充方法。擴充的聲學模型采用與原模型相同的基元形式，并研究了基于MAP模型自適應方法的新模型生成方法，并在保留原有聲學模型的基礎上向其添加新模型。
　?。?）提出了聲學基元異構條件下的聲學模型擴充方法。為了減少添加模型的規(guī)模，以音節(jié)為基元來訓練新擴充的聲學模型。為了平衡基元異