語音識別中基于模型補(bǔ)償?shù)脑肼曯敯粜詥栴}研究.pdf

1、在噪聲環(huán)境下的語音識別魯棒性算法研究是當(dāng)今主流語音識別系統(tǒng)中最重要的研究課題之一。雖然當(dāng)前的語音識別系統(tǒng)在實驗室環(huán)境下已經(jīng)取得了令人滿意的成果，但是實際使用情況下，語音識別系統(tǒng)的識別率受不同類型的噪聲干擾相比實驗室環(huán)境將有非常大的減低。在這一背景下，本文圍繞如何在噪聲環(huán)境下對語音聲學(xué)模型進(jìn)行針對性的補(bǔ)償，使得它更加吻合加噪語音的分布規(guī)律從而提高語音識別系統(tǒng)識別率這一研究方向，進(jìn)行了較系統(tǒng)而深入的研究。并且在模型參數(shù)補(bǔ)償算法、聲學(xué)模型訓(xùn)練

2、算法等方面都有一定的創(chuàng)新。 首先，本文介紹了我們所提出一種新的語音聲學(xué)模型在噪聲環(huán)境下的參數(shù)補(bǔ)償算法-UT變換補(bǔ)償算法。針對聲學(xué)模型參數(shù)在噪聲環(huán)境下非線性變化的補(bǔ)償問題，現(xiàn)在國際上廣泛使用的PMC和VTS聲學(xué)模型參數(shù)補(bǔ)償算法只能達(dá)到其線性展開的一階近似，所以本文通過使用自動控制領(lǐng)域用來提高擴(kuò)展卡爾曼濾波器性能的稱作Unscented Transformation(簡稱UT)的技術(shù)，可以達(dá)到對聲學(xué)模型參數(shù)非線性變化的二階近似，得到

3、的聲學(xué)模型參數(shù)更加精確。在對聲學(xué)模型靜態(tài)參數(shù)的補(bǔ)償過程中，我們提出了多種不同的使用UT變換算法的工程實現(xiàn)方法，其中效率最高的實現(xiàn)方法相對于傳統(tǒng)的UT變換實現(xiàn)方法效率提升了6倍以上，最終實驗結(jié)果證明其相對于傳統(tǒng)的VTS方法具有明顯的優(yōu)勢。 其次，我們嘗試將UT變換補(bǔ)償算法進(jìn)一步擴(kuò)展到對聲學(xué)模型動態(tài)參數(shù)的補(bǔ)償工作中來。語音特征信號中動態(tài)特征復(fù)雜的計算方法使對于聲學(xué)模型中動態(tài)參數(shù)進(jìn)行補(bǔ)償變的非常復(fù)雜。在本文中，我們通過嚴(yán)格的數(shù)學(xué)推導(dǎo)獲

4、得了準(zhǔn)確的動態(tài)參數(shù)非線性變化函數(shù)，并利用UT變換補(bǔ)償算法進(jìn)行補(bǔ)償。實驗結(jié)果表明，UT變換補(bǔ)償算法的優(yōu)勢得到充分發(fā)揮，進(jìn)一步提高系統(tǒng)性能。 最后，受到語音識別領(lǐng)域最近幾年在說話人自適應(yīng)訓(xùn)練方面不斷取得進(jìn)展的啟發(fā)，本文第一次提出了基于噪聲環(huán)境下模型參數(shù)補(bǔ)償算法的模型自適應(yīng)訓(xùn)練算法。在本文中，針對我們在模型參數(shù)補(bǔ)償過程中所使用的VTS算法，利用使補(bǔ)償以后的聲學(xué)模型針對帶噪語音數(shù)據(jù)似然度最大的準(zhǔn)則，將待補(bǔ)償?shù)穆晫W(xué)模型直接訓(xùn)練出來，從而在