连续语音识别的稳健性技术的研究.pdfVIP

中文摘要 说话人差异，信道失真和背景噪声导致训练环境和测试环境不匹配，严重影响了非特 定人连续语音识别系统的性能。为提高中文连续语音识别系统的稳健性和自适应能力，本 文从信号空『日j、特征空间和模型空间三个方面对说话人归一化、语音增强、端点检测、特 征补偿和不确定解码等关键技术进行了深入研究和分析，提出了一些新的思路和方法，并 以大量的实验予以证明。本文主要完成了如下工作： 1．将双线性频率弯折方法引入到声道长度归一化中。传统的频率弯折方法存在声道模型 假设过于简单，变换后信号频谱带宽改变的问题。本文根掘双线性变换中低通滤波器 截止频率的映射公式，求出对齐不同说话人或人群第三共振峰的频率弯折因子。利用 该频率弯折因子，对Mel滤波器组的位置和宽度进行双线性变换，得到声道长度归一化 的特征矢量。该方法避免了对弯折因子的线性搜索，同时还利用了双线性变换使弯折 频谱连续且无带宽改变的优点。实验证明，该方法是一种快速的、尤其适用于无监督 模式下的稳健性方法。语音特征参数经过声道长度归一化后，在孤立词识别中，成年 男性语料训练的基线系统对成年女性语料的识别率从71．50％提高到了91．00％，对儿章 语料的识别率从71．00％提高到了84．00％；在连续语音识别中，男性语料训练的HMM声 学模型参数集对女性语料的识别率从13．91％提高到了50．56％。 Mixture 2．采用高斯混合模型(GaussianModel，GMM)分类器对测试语句的信道环境进 行分类。在多信道环境下进行语音识别时，当基线系统的信道环境与测试语句的信道 上不境匹配，识别率要明显高于用某一种信道语料或多种信道语料混合训练的基线系统 的识别率。如果用各信道的语料分别建立一个GMM模型，信道的差别就转而体现在各 GMM的差别上，且具有可分性。本文用各电话信道的训练语料训练出相应的GMM信 道模型和HMM声学模型，在识别时候，对测试语句进行信道分类，选择相应信道下的 HMM声学模型对该语句进行识别。实验结果表明，该方法能有效提高多信道环境下的 语音识别率。 3．推导了一种基于离散余弦变换和听觉掩蔽效应的予空间降噪算法。本文采用离散余弦 对降噪后的语音进行后詈滤波。该方法利用基于离散余弦变换的本征分解快速算法， 可将运算复杂度O(N3)减少到Ⅳ2，同时能有效地抑制残差噪声。 4．提出了特征空间能量熵的定义。当背景噪声为有色噪声或噪声能量可变时，传统的语 音端点检测方法往往失效。带噪语音的空间可分为币交的信号加噪声子空间和噪声子 空问。语音信号是由确定性的非线性动力系统产生，所以它的能量将集中在信号加噪 声子空问。而随机噪声的能量在整个带噪语音空问中近似均匀分却。因此语音和噪声 具有不同的空间能量分伟，有着不同的空间能量熵。本文对语音信号的协方差矩阵进 行本征分解，出特征值求出信号在特征空间能量概率分布，提出了特征空l’日J能量熵的 I 定义。本文还给出了三种适用于有色噪声背景的特征空问能量熵的定义。实验结果表 明，利用特征空触能量熵可以努效地农噪声背爨下进行话音检测。 5．提出了～种基于O阶矢麓Taylor级数展丌的不确定性解硒方法。传统的麓于特征空阿的 不确定解码方法需要计算每帧补偿特征的协方麓矩阵，对HMM识别器的各高靳分布的 方差避行动态补偿。本文利雳立体声诩练数据，根据干净语音x、噪声n和带嗓语音y 在对数域的非线性关系，求出x、n对y的逼近误差的协方差矩阵甲。采用0阶矢髓Taylor 级数展歼，根耀带嗓语啻y求蹬予净语啻x的簸，j、均方误差嵇计i。在谈嗣时，将H磁M 识别器的各高疑分白的方差与掣相加，对补偿特征童进行解码。实验结果表明，本文方 法能有效提高嗓声环境下酶中文连续谮音识剐率，由予无需霹识嗣器声学模受的方差 进行动态补偿，有着计算复杂度低的优点。 6．联合霞稿语音增强、基子概率模型的特征{}缮、弼谱澎僮织一亿和不确定性籍鹚，提 高噪声环境下的连续语音识别萨确率。能量低的语音频谱谷值点容易受到噪声的影响， 这是耱征钤嫠产生误蔻麓主要蘸霞。嚣照在蕊譬空闽，采用瓣辩Wiener滤波束邋亳语音 信号的信噪比：相对于干净语音特征。补偿特征的均假和方惹产生了非线性偏移。因