短時語種識別若干問題研究.pdf

1、隨著語種識別技術(shù)的發(fā)展，在測試語句時長超過30s的前提下，如今的自動語種識別系統(tǒng)已基本能夠達到實用所需的性能指標。然而在很多實際情況中，長達30s的測試時長要求是無法被大多數(shù)使用者所接受的，可當(dāng)測試語句的有效時長減小到10s以下，現(xiàn)有語種識別系統(tǒng)的性能卻又面臨著較為嚴峻的挑戰(zhàn)。本論文圍繞語種識別系統(tǒng)在短時測試條件下識別性能不佳的問題展開研究，具體有以下幾方面內(nèi)容:
　　針對短時語音段難以利用統(tǒng)計方法獲得準確表示的問題，論文通過對短

2、時特征易受噪聲影響且在模型空間中表達不準的原因進行分析，提出了用樣例的方法替代傳統(tǒng)的統(tǒng)計方法以克服數(shù)據(jù)稀疏問題，將模版空間構(gòu)造和特征編碼引入語種識別系統(tǒng)，最終得到對由時長減少引起的相關(guān)差異更加魯棒的短時語音段新表示，從而提高短時語種識別的性能。實驗表明，采用基于樣例的方法獲得更具時長差異魯棒性的語音段表示后，系統(tǒng)的短時識別性能有比較明顯的提升。
　　關(guān)于如何從短時語音段表示中有效挖掘語種信息的問題，論文提出了將深層神經(jīng)網(wǎng)絡(luò)作為語種

3、識別系統(tǒng)的后端分類器，利用網(wǎng)絡(luò)模型的多層非線性映射得到短時樣本更具語種區(qū)分性的高層表達，從而更有效地對其進行分類。同時論文還對深層神經(jīng)網(wǎng)絡(luò)分類器在訓(xùn)練過程中遇到的過擬合問題展開了研究，通過引入dropout策略對其加以抑制。實驗表明，使用深層神經(jīng)網(wǎng)絡(luò)作為語種識別系統(tǒng)的后端分類器對提高系統(tǒng)的短時識別性能有很大幫助。
　　為了更進一步利用深層神經(jīng)網(wǎng)絡(luò)的高層表達能力，論文提出了將其應(yīng)用于語種識別系統(tǒng)的特征提取，通過提取語種區(qū)分能力更強的