2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩78頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、GMM-HMM聲學(xué)模型在語音識別技術(shù)中取得了巨大的成功,但隨著語音數(shù)據(jù)量的增加,數(shù)據(jù)的復(fù)雜性也越來越大,訓(xùn)練時間也越來越長。同時,由于高斯混合模型(Gaussian Mixture Model,簡稱GMM)是一個淺層模型,在復(fù)雜數(shù)據(jù)上的構(gòu)建模型能力明顯存在著不足,需要找到一種對數(shù)據(jù)建模能力更強的聲學(xué)建模方法,而深度神經(jīng)網(wǎng)絡(luò)在聲學(xué)模型建模上就具備了這種能力。此外,在特征提取方面,梅爾頻率倒譜系數(shù)(Mel-Frequency Cepstra

2、l Coefficients,簡稱MFCC)是一種在語音識別過程廣泛使用的特征,但由于其計算時進行了去相關(guān)或者降維處理,勢必造成部分信息的丟失。所以,本文還實驗了對數(shù)域的Mel濾波器的輸出為聲學(xué)特征,即Filter-bank特征(簡稱Fbank),F(xiàn)bank特征包含有更多的語音信息可用于之后的訓(xùn)練。
  本文完成了一個深度神經(jīng)網(wǎng)絡(luò)模型語音識別系統(tǒng),主要工作包括:
  (1)搭建Kaldi語音識別系統(tǒng)開發(fā)平臺,編譯源代碼,配置

3、運行環(huán)境,安裝CUDA并行計算架構(gòu),使用GPU加速深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程;
  (2)在中文DNN語音識別系統(tǒng)開發(fā)平臺上訓(xùn)練單音子模型,并在此模型上優(yōu)化訓(xùn)練三音子模型,以三音子模型為基礎(chǔ)訓(xùn)練和測試中文深度神經(jīng)網(wǎng)絡(luò)模型識別性能;
  (3)進行聲學(xué)特征實驗,對分別使用MFCC特征和Fbank特征的DNN模型進行訓(xùn)練解碼;對濾波器組加密處理,提取不同維度的Fbank特征,用于訓(xùn)練DNN模型;濾波器組相同的情況下,增加Fbank特征

4、幀數(shù),用于訓(xùn)練DNN模型。
  實驗結(jié)果顯示:DNN模型在有限語音訓(xùn)練數(shù)據(jù)條件下的詞錯率WER(WordError Rate)與傳統(tǒng)GMM模型相比有12.05%的絕對降低(28.02%降至15.97%)以及43%的相對降低;采用Fbank特征與MFCC特征的DNN模型的詞錯率WER相比有0.86%的絕對降低(15.97%降至15.11%)以及5.38%的相對降低;Fbank特征進行濾波器組加密處理訓(xùn)練DNN模型的詞錯率WER的最好

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論