自主心智發(fā)育機(jī)器人的語音感知映射.pdf

1、說和聽是人類最為重要的信息獲取和傳達(dá)的手段。與文字等信息交流方式相比,基于語音的交互是絕大多數(shù)人所掌握的最普及、最自然的交互方式,不受使用者的教育水平和專業(yè)分類的約束。而隨著智能機(jī)器人的發(fā)展和高性能計(jì)算機(jī)的普及,若能夠以語音作為計(jì)算機(jī)或者智能機(jī)器人與使用者交互界面,將會(huì)極大的提升計(jì)算機(jī)和機(jī)器人的易用性、友好性,為人們?cè)谛畔r(shí)代的生活帶來巨大的便利。自主心智發(fā)育作為一個(gè)新興的理論框架,有潛力解決傳統(tǒng)方法難以解決的復(fù)雜問題和跨任務(wù)問題。因此

2、,將自主心智發(fā)育理論框架和已有的高性能方法結(jié)合起來,使智能機(jī)器人能夠具備更強(qiáng)的語音交互能力,是一個(gè)值得深入探索的理論方向。傳統(tǒng)語音處理方法中需要針對(duì)特定領(lǐng)域、語言進(jìn)行人工分析和設(shè)計(jì)以及人工干預(yù)訓(xùn)練,從而導(dǎo)致這些方法對(duì)環(huán)境的適應(yīng)能力以及對(duì)新語言新領(lǐng)域的擴(kuò)展能力較弱,不能達(dá)到智能機(jī)器人在自然環(huán)境中為人類服務(wù)的設(shè)計(jì)要求。本文針對(duì)這個(gè)問題,以自主心智發(fā)育理論框架的任務(wù)無關(guān)的思想為前提,引入遞增計(jì)算、在線計(jì)算、在位計(jì)算等原理,通過對(duì)語音處理研究中

3、的經(jīng)典的隱馬爾可夫方法進(jìn)行改進(jìn)和擴(kuò)展,將其融入到自主心智發(fā)育理論框架中,提出了雙隱層馬爾可夫模型,作為聽覺感知映射模塊的核心模型,為自主心智發(fā)育機(jī)器人這種新框架下的智能機(jī)器人進(jìn)行針對(duì)性設(shè)計(jì),使其具有在與外部的環(huán)境交互的過程中,自動(dòng)產(chǎn)生和調(diào)整聲學(xué)單位內(nèi)部表達(dá)模型能力,讓智能機(jī)器人具有聽懂不同語種語言,自動(dòng)適應(yīng)不同背景噪聲條件的潛力,并為機(jī)器人的聽說聯(lián)合打下基礎(chǔ)。隱馬爾可夫模型作為一種經(jīng)典的語音表達(dá)模型,在語音識(shí)別和語音合成等應(yīng)用中都取得了

4、一定的成果。但是這些成果都是針對(duì)特定領(lǐng)域的具體問題進(jìn)行的,比如特定語言的語音識(shí)別,在識(shí)別之前必須要針對(duì)該語言和應(yīng)用領(lǐng)域訓(xùn)練大量的聲學(xué)模型和語言模型,這就導(dǎo)致了當(dāng)應(yīng)用場(chǎng)景和使用環(huán)境發(fā)生改變時(shí),原有模型不適用,導(dǎo)致識(shí)別效果急劇下降的問題。本文通過對(duì)其進(jìn)行雙隱層擴(kuò)展,并調(diào)整其搜索和訓(xùn)練算法,使其能夠達(dá)到自主心智發(fā)育框架中感知映射的基本要求,無需人為干預(yù),不受環(huán)境限定,不針對(duì)特定語言和領(lǐng)域,使其能夠達(dá)到自主心智發(fā)育機(jī)器人的聽覺系統(tǒng)感知映射層次的