基于互信息估計的連續(xù)數(shù)字語音識別.pdf

1、該文以互信息理論為基礎(chǔ),從語音模式間的交互信息量的角度,研究了一個完整的語音識別系統(tǒng)的各個組成部分,其中包括預(yù)處理、參考模式的訓(xùn)練、連續(xù)識別算法以及后續(xù)處理部分.預(yù)處理部分主要研究了語音信號的端點檢測技術(shù),不僅包括安靜環(huán)境下的語音信號端點檢測,還考慮了在較低信噪比的情況下端點的準確檢測,研究了基于倒譜參數(shù)的端點檢測算法,實驗表明在信噪比較低的環(huán)境下,傳統(tǒng)檢測算法性能明顯下降,而基于倒譜參數(shù)的檢測算法顯示了良好性能.參考模式的訓(xùn)練方面,該

2、文采用了改進的K均值算法MKM算法,聚類的類別數(shù)由事先指定,將訓(xùn)練得到的語音參數(shù)文件聚類成有限的幾個類別作為參考模式,需要注意的是這里的聚類針對的是不同幀長的語音模式,文中研究了兩種求聚類中心的方法,一是語音模式都映射到平均幀長上求中心,另一種是求一個最有代表性的模式作為中心.連續(xù)識別算法作為該文的重點內(nèi)容,在互信息估計的現(xiàn)有成果的基礎(chǔ)上,提出了兩種算法MI_OneStage算法和MIM_LB算法,實驗表明兩種算法在連續(xù)數(shù)字的識別任務(wù)上

3、是有效的,在僅采用二階、三階LPCC特征參數(shù)的條件下,識別性能與傳統(tǒng)算法采用十二階特征參數(shù)時性能相當.后續(xù)處理模塊,該文從語音的聲調(diào)模型和聲韻切分模型兩個方面進行了初步的研究,漢語數(shù)字中存在幾個易混數(shù)字對,"6[liu4]"和"9[jiu3]"、"2[er4]"和"8[ba1]"及"1[yi1]"和"7[qi1]",它們的主要區(qū)別在于聲高和聲母的發(fā)音,因此基于聲調(diào)和切分出的聲母可以更好的提高易混數(shù)字對的正識率.該文第七章給出了實驗的一些