融合詞性信息的聲學(xué)模型建模及研究.pdf

1、語(yǔ)音識(shí)別是結(jié)合信息科學(xué)、統(tǒng)計(jì)學(xué)、語(yǔ)言學(xué)、信號(hào)處理和計(jì)算機(jī)科學(xué)等的多領(lǐng)域交叉性學(xué)科,廣泛應(yīng)用于各種涉及人機(jī)交互的智能系統(tǒng)中。語(yǔ)音識(shí)別通過(guò)處理語(yǔ)音信號(hào),從語(yǔ)音波形中提取隨時(shí)間變化的語(yǔ)音特征,進(jìn)而建立聲學(xué)模型和語(yǔ)言模型,設(shè)定相關(guān)特征參數(shù),利用不同的識(shí)別方法按照一定的準(zhǔn)則尋找最優(yōu)的識(shí)別結(jié)果。目前的大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)通常包含語(yǔ)音特征提取、聲學(xué)模型和語(yǔ)言模型三部分。聲學(xué)模型的目的是提供一種有效的方法計(jì)算語(yǔ)音的特征矢量序列和每個(gè)發(fā)音模板之間的距

2、離。聲學(xué)模型作為識(shí)別系統(tǒng)的底層模型,其建模的穩(wěn)定性和精確性直接影響到整個(gè)識(shí)別系統(tǒng)的性能。雖然漢語(yǔ)連續(xù)語(yǔ)音識(shí)別的研究工作已經(jīng)開(kāi)展多年,然而如何建立更精確的聲學(xué)模型仍然是亟待解決的問(wèn)題之一。
　　 本文首先介紹隱馬爾可夫模型的基本原理和聲學(xué)模型的基本單元,在此基礎(chǔ)上提出融入詞性信息的帶調(diào)三音子模型,將詞性信息作為一種廣義的擴(kuò)展上下文,建立更精確的聲學(xué)模型,以提高詞的區(qū)分度,降低聲學(xué)建模的復(fù)雜度。
　　 其次,詳細(xì)討論了詞法分

3、析中的漢語(yǔ)的分詞,結(jié)合漢語(yǔ)語(yǔ)言學(xué)知識(shí),同時(shí)考慮聲學(xué)建模的穩(wěn)定性和準(zhǔn)確性,定義了7大類(lèi)詞性,并利用條件隨機(jī)場(chǎng)模型實(shí)現(xiàn)詞性標(biāo)注。采用《人民日?qǐng)?bào)》2000年一月份的語(yǔ)料作為訓(xùn)練語(yǔ)料,標(biāo)注正確率達(dá)到91.28％。
　　 最后,設(shè)計(jì)并實(shí)現(xiàn)了基于融入詞性帶調(diào)三音子模型的語(yǔ)音識(shí)別系統(tǒng)。通過(guò)在863、8632連續(xù)語(yǔ)音庫(kù)、INTEL連續(xù)語(yǔ)音數(shù)據(jù)庫(kù)和Hub4中文廣播語(yǔ)音數(shù)據(jù)庫(kù)上的實(shí)驗(yàn),驗(yàn)證了本文方法的有效性和系統(tǒng)性能。實(shí)驗(yàn)結(jié)果表明:和傳統(tǒng)的帶調(diào)三音