語音識別中說話人自適應(yīng)技術(shù)的研究與實現(xiàn).pdf

1、雖然非特定人語音識別系統(tǒng)達到了令人滿意的性能，但在實際應(yīng)用時，由于說話人的改變通常會使系統(tǒng)性能顯著下降。當(dāng)遇到特殊口音的說話人時，系統(tǒng)的誤識率甚至更大。語音識別要走向?qū)嵱?，就必須克服這個魯棒性問題。因此，說話人自適應(yīng)技術(shù)的意義非常重要。 本文從說話人自適應(yīng)技術(shù)入手討論了語音自適應(yīng)的各種方法。通過對說話人引起的聲學(xué)差異的討論，我們分析和實現(xiàn)了兩種說話人自適應(yīng)方法：最大后驗概率(MaximumaPosteriori，MAP)方法和特

2、征語音(Eigenvoice，EV)方法。實驗證明這兩種自適應(yīng)方法對說話人自適應(yīng)有很好的效果。 在此基礎(chǔ)上本文提出了一種適合強健語音的綜合自適應(yīng)方法。它是在MAP方法中引入一個EV模塊，這種新方法成功地結(jié)合了MAP和EV兩種方法的優(yōu)點，彌補它們的的缺點。EV方法(屬于快速說話人自適應(yīng)方法)在自適應(yīng)數(shù)據(jù)很少時性能優(yōu)于MAP方法，但隨著數(shù)據(jù)的增加，由于很強的約束強加于它的模型假設(shè)，其性能難于改善；而MAP方法給出了結(jié)合先驗知識和自適