漢語連續(xù)語音識別及其在移動機(jī)器人導(dǎo)航中的應(yīng)用.pdf

1、漢語連續(xù)語音識別的研究已經(jīng)進(jìn)行了十多年,取得了一定的成果,但仍然有許多重大的技術(shù)問題亟待解決.首先,聲學(xué)模型的魯棒性和準(zhǔn)確性有待進(jìn)一步提高,需要深入研究語境相關(guān)的聲學(xué)建模,特別是漢語三音子模型；其次,當(dāng)訓(xùn)練和識別的環(huán)境由于信道和背景噪聲的不同或者說話人自身原因而導(dǎo)致系統(tǒng)識別率下降,需要我們深入研究自適應(yīng)的方法；最后,我們還需要研究技術(shù)的可移植性,即如何將識別結(jié)果二次利用,以期加快新領(lǐng)域的研究速度.本文的主要研究工作圍繞這些關(guān)鍵技術(shù)問題展

2、開. 首先,研究了基于決策樹的三音子建模技術(shù).針對漢語語音識別,我們研究了決策樹建模中必須解決的幾個主要問題,包括漢語基本建模單元的選擇、問題集的設(shè)計原則、決策樹建模復(fù)雜度的優(yōu)化.在建模單元的選擇中,本文在比較以往漢語語音識別中用到的建模單元的基礎(chǔ)上,提出了新的建模方法,該方法使用將六個零聲母附加到標(biāo)準(zhǔn)聲韻母序列的新的聲韻母集合作為識別基元,并根據(jù)這種識別基元結(jié)合語音學(xué)和語言學(xué)的先驗知識設(shè)計了問題集,利用基于決策樹的狀態(tài)共享策略

3、建立上下文相關(guān)三元聲韻母模型.在用基于HTK工具構(gòu)建的識別系統(tǒng)上進(jìn)行實驗,結(jié)果表明,新的聲韻母基元與標(biāo)準(zhǔn)聲韻母相比,識別性能有了很大提高. 其次,在說話人自適應(yīng)模塊中比較了最大后驗概率(MAP)算法和最大似然線性回歸(MLLR)算法各自的優(yōu)缺點,提出一種優(yōu)化的自適應(yīng)方法.這種方法綜合了MAP的漸進(jìn)性和MLLR的快速性,在語音識別系統(tǒng)運行過程中逐漸調(diào)整系統(tǒng)參數(shù),不斷使用新的數(shù)據(jù)來自適應(yīng).經(jīng)實驗論證表明,優(yōu)化的自適應(yīng)算法性能較之以往