嵌入式人機(jī)語音交互系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、眾所周知，語音是人類最自然便捷的交流方式，也是人機(jī)交互中最直接的交互模式之一，被普遍認(rèn)為是下一代人機(jī)交互革命的主角。伴隨著以智能手機(jī)、平板電腦等為代表的嵌入式移動(dòng)設(shè)備的普及，以及語音核心技術(shù)和應(yīng)用環(huán)境的逐步成熟，語音交互在全球范圍內(nèi)正在被越來越多的用戶接受和使用。然而，由于嵌入式移動(dòng)設(shè)備的功耗和計(jì)算資源的限制，以及使用環(huán)境的復(fù)雜性等因素，使得嵌入式語音人機(jī)交互系統(tǒng)的實(shí)用化仍然存在很多的問題和挑戰(zhàn)。在這一背景下，本文圍繞嵌入式人機(jī)語音交互

2、系統(tǒng)的關(guān)鍵共性技術(shù)問題展開較系統(tǒng)和深入的研究，具體在以下三個(gè)方面作出了一定的創(chuàng)新性工作。
　　首先，針對(duì)語音交互系統(tǒng)識(shí)別前端的噪聲魯棒性問題，提出了一種綜合考慮加性噪聲和信道畸變的模型補(bǔ)償算法，使用句子中的非語音段估計(jì)加性噪聲，然后利用EM算法估計(jì)信道函數(shù)，進(jìn)而在倒譜域上對(duì)失配的聲學(xué)模型進(jìn)行聯(lián)合補(bǔ)償。算法在噪聲環(huán)境和信道失配場(chǎng)景下的識(shí)別性能均取得顯著提升，并且可以動(dòng)態(tài)跟蹤環(huán)境的變化，性能表現(xiàn)優(yōu)于一些傳統(tǒng)的語音識(shí)別噪聲魯棒性算法。<

3、br>　　然后，針對(duì)用戶在計(jì)算資源受限的嵌入式設(shè)備上進(jìn)行中等規(guī)模連續(xù)語音識(shí)別的需求，在語音識(shí)別解碼模塊上提出了一種基于語言模型校正機(jī)制的識(shí)別解碼算法，以基于單樹詞典的搜索算法替代會(huì)導(dǎo)致搜索空間隨詞典規(guī)模指數(shù)級(jí)增長的傳統(tǒng)樹狀詞典拷貝算法，并通過在樹狀詞典的各節(jié)點(diǎn)處進(jìn)行語言模型校正處理的方法來恢復(fù)單樹詞典所產(chǎn)生的搜索錯(cuò)誤，在不影響識(shí)別性能的前提下使得解碼算法復(fù)雜度降低了一個(gè)數(shù)量級(jí)。接著，在識(shí)別后端置信度模塊上提出了一種基于音素聚類子空間的置

4、信度判決算法，通過基于KL度量的音素聚類獲取更加緊致的音素子空間，以對(duì)置信度得分的規(guī)整項(xiàng)進(jìn)行更加準(zhǔn)確的估計(jì)，在基本不影響置信度性能的前提下，使得運(yùn)算復(fù)雜度獲得了顯著下降。
　　最后，針對(duì)用戶對(duì)千萬量級(jí)以上文本列表集進(jìn)行語音查詢的典型需求，提出了一種語音模糊檢索的系統(tǒng)解決方案，通過二級(jí)倒排索引、分塊動(dòng)態(tài)規(guī)劃，以及識(shí)別重排序等算法組合，使得用戶只需要輸入檢索文本列表中的片段、縮略或者其跨序組合即可將與之關(guān)聯(lián)的備選結(jié)果查詢出來，系統(tǒng)在支