版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 魯棒語(yǔ)音識(shí)別中的模型自適應(yīng)算法研究與實(shí)現(xiàn).pdf
- 魯棒性語(yǔ)音識(shí)別的特征提取與模型自適應(yīng)算法研究.pdf
- 魯棒語(yǔ)音識(shí)別中基于矢量泰勒級(jí)數(shù)的特征補(bǔ)償算法改進(jìn)與實(shí)現(xiàn).pdf
- 基于特征補(bǔ)償和ARM平臺(tái)的魯棒語(yǔ)音識(shí)別算法實(shí)現(xiàn).pdf
- 麥克風(fēng)自適應(yīng)算法在魯棒語(yǔ)音合成中的研究.pdf
- 基于模型自適應(yīng)的魯棒語(yǔ)音識(shí)別算法在嵌入式系統(tǒng)上的實(shí)現(xiàn).pdf
- 語(yǔ)音識(shí)別中基于模型補(bǔ)償?shù)脑肼曯敯粜詥?wèn)題研究.pdf
- 聽(tīng)覺(jué)特性與魯棒語(yǔ)音識(shí)別算法研究.pdf
- 自適應(yīng)魯棒數(shù)字水印算法的研究.pdf
- 數(shù)字水印的魯棒自適應(yīng)算法研究.pdf
- 基于模型參考的魯棒自適應(yīng)控制與自適應(yīng)容錯(cuò)控制.pdf
- 魯棒自適應(yīng)波束形成算法研究.pdf
- CDMA通信系統(tǒng)中的魯棒自適應(yīng)功率控制算法.pdf
- 無(wú)功補(bǔ)償技術(shù)及風(fēng)電場(chǎng)中STATCOM的魯棒自適應(yīng)控制研究.pdf
- 自適應(yīng)波束形成算法的魯棒性研究.pdf
- 語(yǔ)音識(shí)別系統(tǒng)噪聲魯棒性算法研究.pdf
- 自適應(yīng)的尺度估計(jì)及魯棒的類(lèi)熵模型擬合算法.pdf
- 噪聲魯棒性語(yǔ)音識(shí)別:從特征提取到聲學(xué)模型的研究.pdf
- 語(yǔ)音識(shí)別中的說(shuō)話(huà)人自適應(yīng)研究.pdf
- 基于魯棒特征的人臉識(shí)別與特征保護(hù)算法研究.pdf
評(píng)論
0/150
提交評(píng)論