基于FISHER品質(zhì)的中文姓名語音識別技術(shù).pdf

1、目前廣泛使用的語音識別算法包括矢量量化(Vector Quantization,VQ)，高斯混合模型(Gaussian Mixture Model,GMM)，隱馬爾可夫模型(Hidden Markov Model,HMM)等。這些經(jīng)典的語音識別算法是基于模式匹配的方法實現(xiàn)，這使其在語音分類中的性能受到挑戰(zhàn)，尤其是在對相近的中文姓名語音的分類中。
　　近年來提出的支持向量機和上述模型有根本的區(qū)別，其本質(zhì)是一種判別式模型，因此對于相近

2、模式有較強的識別性能。經(jīng)典的語音識別模型能夠?qū)Σ欢ㄩL語音建模，而支持向量機具有更強的分類能力，因此如果能夠?qū)⒍呓Y(jié)合起來，則可能充分發(fā)揮它們的優(yōu)點。支持向量機中使用的核方法為我們提供了途徑。Fisher核的提出首次實現(xiàn)了將概率模型與支持向量機等判別式分類器相結(jié)合，并應(yīng)用于生物同源性檢測中。
　　Fisher核中的關(guān)鍵參數(shù)，即Fisher品質(zhì)(Fisher score)，表示了待分類模式通過概率模型提取的特征向量。本文就是試圖通過語

3、音識別中的概率生成模型(GMM,HMM)推導(dǎo)Fisher品質(zhì)，并將其用于語音識別。Fisher品質(zhì)可以將不定長語音特征序列映射到固定長度的品質(zhì)空間，作為支持向量機分類的特征空間。
　　本文對語音識別的經(jīng)典算法(VQ,GMM,HMM)進行了比較深入的考察，并開發(fā)了基于PC的姓名語音身份驗證系統(tǒng)。算法之間的聯(lián)系為推導(dǎo)Fisher品質(zhì)提供了方便，因此本文首先從簡單的GMM入手推導(dǎo)Fisher品質(zhì)，再過渡到通過HMM求取Fisher品質(zhì)。

4、對于從HMM求取Fisher品質(zhì)，本文從HMM的訓(xùn)練算法中用到的前向－后向變量入手，利用這些變量表示模型最終輸出概率，并且將其轉(zhuǎn)換為矩陣形式，為推導(dǎo)和理解提供了方便。
　　基于對Fisher品質(zhì)的本質(zhì)作用的分析，本文對Fisher品質(zhì)空間做了擴展，在擴展品質(zhì)空間中引入了新的品質(zhì)向量。并從泰勒級數(shù)展開式的角度論述了各類品質(zhì)向量的物理意義的不同，最后通過實驗驗證了擴展品質(zhì)空間有利于分類性能的改善。
　　本文通過對經(jīng)典語音識別模型