魯棒語(yǔ)音識(shí)別中的特征補(bǔ)償與模型自適應(yīng)算法研究.pdf

1、在實(shí)際應(yīng)用中，由于測(cè)試環(huán)境與訓(xùn)練環(huán)境不匹配，語(yǔ)音識(shí)別系統(tǒng)的識(shí)別性能可能會(huì)急劇惡化。外部環(huán)境因素的影響和語(yǔ)音本身的變異性是導(dǎo)致環(huán)境失配的主要原因。本文從前端特征域和后端模型域兩個(gè)方面，研究語(yǔ)音識(shí)別系統(tǒng)的聲學(xué)與環(huán)境魯棒問(wèn)題，減小環(huán)境噪聲、說(shuō)話(huà)人的改變和其它語(yǔ)音變異性對(duì)語(yǔ)音識(shí)別系統(tǒng)的影響，提高語(yǔ)音識(shí)別系統(tǒng)在實(shí)際環(huán)境中的識(shí)別性能。
　　 本文的研究工作主要包括：
　　 （1）提出了一種基于隱馬爾可夫模型（HMM）和并行模型組合（

2、PMC）的特征補(bǔ)償算法。該算法用一個(gè)包含較多狀態(tài)的遍歷結(jié)構(gòu)HMM取代傳統(tǒng)特征補(bǔ)償算法中的高斯混合模型（GMM），來(lái)描述整個(gè)語(yǔ)音特征空間的概率分布；然后，用PMC方法調(diào)整該HMM的均值向量和協(xié)方差矩陣；最后，用最小均方誤差（MMSE）方法，估計(jì)純凈語(yǔ)音特征向量。該算法在純凈語(yǔ)音特征估計(jì)時(shí)，考慮了同一單詞樣本內(nèi)部不同特征向量之間的時(shí)變關(guān)系，因此取得了更好的補(bǔ)償效果，識(shí)別性能明顯優(yōu)于基于GMM的特征補(bǔ)償算法。
　　 （2）深入研究了基

3、于矢量泰勒級(jí)數(shù)（VTS）的特征補(bǔ)償和模型自適應(yīng)算法。首先根據(jù)倒譜域特征向量各維系數(shù)之間相關(guān)性較小且將多個(gè)高斯單元的數(shù)據(jù)合并估計(jì)噪聲方差時(shí)加權(quán)因子對(duì)未知的噪聲方差不敏感的特點(diǎn)，提出了一種具有快速收斂特性的方差估計(jì)方法，較好地解決了VTS算法的方差估計(jì)問(wèn)題。然后，用遍歷結(jié)構(gòu)HMM取代GMM，估計(jì)純凈語(yǔ)音特征向量，進(jìn)一步提高了特征補(bǔ)償?shù)木取?shí)驗(yàn)結(jié)果表明，用HMM進(jìn)行特征補(bǔ)償，其識(shí)別性能可接近后端模型自適應(yīng)算法，且具有計(jì)算量較小、受狀態(tài)數(shù)目的

4、影響較小等優(yōu)點(diǎn)，可以在識(shí)別率和計(jì)算量之間取得較好的平衡。最后，將所提算法從特征空間擴(kuò)展到模型空間，給出了動(dòng)態(tài)噪聲參數(shù)的估計(jì)公式。從而將聲學(xué)模型的動(dòng)態(tài)參數(shù)和靜態(tài)參數(shù)變換到測(cè)試環(huán)境，對(duì)含噪語(yǔ)音進(jìn)行識(shí)別。
　　 （3）在低信噪比環(huán)境下，含噪語(yǔ)音與純凈語(yǔ)音之間的差異較大，通過(guò)變換純凈語(yǔ)音聲學(xué)模型得到的含噪語(yǔ)音聲學(xué)模型不能很好地描述含噪語(yǔ)音分布。為了進(jìn)一步提高低信噪比環(huán)境下的識(shí)別性能，提出了基于矢量泰勒級(jí)數(shù)的多環(huán)境模型自適應(yīng)算法，用多個(gè)基

5、本訓(xùn)練環(huán)境預(yù)測(cè)實(shí)際測(cè)試環(huán)境，并通過(guò)含噪測(cè)試語(yǔ)音與含噪訓(xùn)練語(yǔ)音之間的矢量泰勒級(jí)數(shù)關(guān)系式，將選取的基本環(huán)境聲學(xué)模型的參數(shù)變換到測(cè)試環(huán)境。實(shí)驗(yàn)結(jié)果表明，該算法可以進(jìn)一步提高較低信噪比時(shí)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別性能，優(yōu)于傳統(tǒng)模型自適應(yīng)算法和基于線(xiàn)性變換的多環(huán)境方法。
　　 （4）為了解決基于變換的模型自適應(yīng)算法中的線(xiàn)性假設(shè)問(wèn)題，將多項(xiàng)式回歸方法用于模型自適應(yīng)，構(gòu)建了基于最大似然多項(xiàng)式回歸的非線(xiàn)性模型自適應(yīng)算法。該算法在對(duì)數(shù)譜域的每個(gè)Mel通道

6、上，用多項(xiàng)式回歸逼近測(cè)試環(huán)境模型均值與訓(xùn)練環(huán)境模型均值之間的非線(xiàn)性關(guān)系。多項(xiàng)式系數(shù)通過(guò)EM算法和最大似然準(zhǔn)則，從測(cè)試環(huán)境下的少量自適應(yīng)數(shù)據(jù)中估計(jì)。該算法較好地克服了線(xiàn)性假設(shè)的缺陷，可同時(shí)減小環(huán)境噪聲、說(shuō)話(huà)人的改變或其它變異性因素對(duì)語(yǔ)音識(shí)別系統(tǒng)的影響，在噪聲補(bǔ)償和說(shuō)話(huà)人自適應(yīng)中識(shí)別性能均優(yōu)于傳統(tǒng)線(xiàn)性回歸算法。
　　 （5）研究了基于變換的模型自適應(yīng)中的數(shù)據(jù)稀疏問(wèn)題，提出了基于子帶回歸的模型自適應(yīng)算法。該算法考慮了Mel濾波器組相鄰