自動語音識別中的噪聲魯棒性方法.pdf

1、眾所周知，在噪聲環(huán)境下如果我們不采取任何措施，那么自動語音識別系統(tǒng)的性能將會大幅下降。本文的主要目標(biāo)是在面對各種噪聲帶來的負(fù)面影響時，如何增強識別系統(tǒng)的魯棒性。噪聲魯棒性方法大體上可以分為兩大類：特征域方法和模型域方法。本文對這兩類方法均開展了深入的研究，主要創(chuàng)新點如下： 首先，我們提出一種新的基于隱式模型的特征規(guī)整算法，即倒譜形狀規(guī)整(CSN)算法。我們觀察到在噪聲環(huán)境下特征分布的形狀相比于干凈環(huán)境變化很大，CSN通過引入一個

2、指數(shù)因子來達(dá)到對倒譜分布形狀規(guī)整的目的。這個新方法被證明比傳統(tǒng)的HEQ和HOCMN方法更加有效，尤其是在低信噪比情況下。 接著，我們轉(zhuǎn)到另一種新的基于顯式模型的特征補償方法，即分段線性近似(PLA)方法。通過對環(huán)境模型的分段線性近似，可以比傳統(tǒng)的VTS和MAX這兩種方法得到更為精確的近似，同時給出了基于MLE的噪聲參數(shù)估計和基于MMSE的干凈語音估計的相關(guān)理論推導(dǎo)，此外實驗表明針對當(dāng)前句子的不同段采用不同的分段近似方式能進(jìn)一步帶

3、來性能的提升。我們不僅在語音識別中驗證了PLA方法的有效性，還將此方法在語音增強中加以應(yīng)用，主客觀測試都取得了較好的效果。 但是PLA方法并不完美，它最大的缺陷在于所有理論推導(dǎo)都假設(shè)在對數(shù)譜域濾波器組各個通道之間互不相關(guān)。因此從另一個精確近似的角度，我們提出了一種新的基于高階矢量泰勒展開(HOVTS)的方法。HOVTS具有以下優(yōu)點：1.環(huán)境模型中同時考慮了加性噪聲和信道畸變，2.對非線性環(huán)境模型可以進(jìn)行任意高階近似，3.濾波器組

4、各通道之間的相關(guān)性可以加以考慮。 最后，我們考察了HMM經(jīng)過區(qū)分性訓(xùn)練之后的噪聲魯棒性。作為預(yù)備知識，先介紹了我們提出的區(qū)分性訓(xùn)練新準(zhǔn)則，即最小化散度(MD)準(zhǔn)則，實驗表明在干凈環(huán)境下小任務(wù)和大任務(wù)上MD準(zhǔn)則性能均優(yōu)于時下流行的MPE準(zhǔn)則。然后討論了噪聲魯棒性區(qū)分性訓(xùn)練的若干技術(shù)細(xì)節(jié)，包括MD準(zhǔn)則和MWE/MPE準(zhǔn)則的優(yōu)劣，如何設(shè)計ML基線系統(tǒng)以及如何處理靜音/背景模型等等。 以上所有新方法的實驗都是在小任務(wù)Aurora