基于語(yǔ)音樣例查詢的關(guān)鍵詞識(shí)別方法研究.pdf

1、基于語(yǔ)音樣例查詢的關(guān)鍵詞識(shí)別是關(guān)鍵詞識(shí)別的一個(gè)重要分支，該類關(guān)鍵詞識(shí)別不需要考慮關(guān)鍵詞對(duì)應(yīng)的文本信息就能夠從音頻數(shù)據(jù)中快速地搜索并返回與查詢關(guān)鍵詞相關(guān)語(yǔ)音段。因此，該方法主要應(yīng)用于缺乏語(yǔ)音資源和語(yǔ)音學(xué)知識(shí)的小語(yǔ)種。近年來(lái)，隨著國(guó)際化進(jìn)程的不斷加快，針對(duì)小語(yǔ)種的語(yǔ)音處理特別是關(guān)鍵詞識(shí)別迅速進(jìn)入人們的視野，成為現(xiàn)階段語(yǔ)音處理的一個(gè)熱點(diǎn)問題。本論文主要針對(duì)該領(lǐng)域的兩個(gè)問題進(jìn)行研究:第一，相對(duì)于傳統(tǒng)聲學(xué)特征，具有更高可區(qū)分性特征的研究;第二，針

2、對(duì)采用隱馬爾可夫模型(Hidden Markov Model，HMM)的關(guān)鍵詞建模識(shí)別，研究樣本稀缺情況下關(guān)鍵詞模型的訓(xùn)練方法。
　　近年來(lái)，隨著學(xué)習(xí)方法的不斷改進(jìn)，深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network，DNN)在模式識(shí)別中得到了諸多成功的應(yīng)用，引起了學(xué)術(shù)界廣泛的關(guān)注。在語(yǔ)音識(shí)別中，基于DNN狀態(tài)輸出的DNN-HMM相比高斯混合模型(GaussianMixture Model，GMM)-HMM基線系統(tǒng)大大降低了語(yǔ)音

3、識(shí)別詞錯(cuò)誤率。而由具有狹窄中間層，也稱為瓶頸層(BottleNeck，BN)的DNN提取出的BN特征在GMM-HMM基線系統(tǒng)中也取得了接近DNN-HMM模型的語(yǔ)音識(shí)別詞錯(cuò)誤率。本文在相同的關(guān)鍵詞識(shí)別框架下比較兩種不同的特征:感知線性預(yù)測(cè)(PerceptualLinear Prediction，PLP)和BN特征，找出具有更高區(qū)分性的特征以提高識(shí)別系統(tǒng)性能。
　　在基于語(yǔ)音樣例查詢的關(guān)鍵詞識(shí)別中，采用統(tǒng)計(jì)建模的方法可以提升模型的穩(wěn)健

4、性。然而，在該類關(guān)鍵詞識(shí)別中，關(guān)鍵詞訓(xùn)練樣本的數(shù)量極度缺乏，僅有十到二十個(gè)左右甚至更少。在這種情況下，如何更加充分的利用關(guān)鍵詞樣本中的包含的有效信息非常重要。本文在HMM識(shí)別框架中，使用最大后驗(yàn)概率(Maximuma Posterior)方法建立關(guān)鍵詞模型，提高了識(shí)別系統(tǒng)在資源稀缺情況下的識(shí)別性能。另外，還驗(yàn)證了三種模型訓(xùn)練方法在關(guān)鍵詞變化的情況下的有效性。
　　本文提出的算法在標(biāo)準(zhǔn)的TIMIT及藏語(yǔ)數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，從實(shí)驗(yàn)結(jié)果