段长在汉语识别系统后处理阶段的应用.pdfVIP

NCMMSC’2009 ，8 月 14－16 日，新疆乌鲁木齐 段长在汉语识别系统后处理阶段的应用* 李曜，刘加 （清华大学电子工程系，北京 100084 ） 摘要：针对传统的隐含马尔可夫模型(hidden Markov model , HMM)存在的缺陷，该文提出了一种在识别的后处理阶段 使用段长模型的方法，并应用在基于 HMM 的汉语识别系统上。该方法利用归一化的段长模型对识别系统的解码结果重新打 分，比较前后两次算出的分数从而选出更可靠的识别结果。实验表明，通过该方法将段长模型应用在识别过程中，可以显著 提高识别系统的性能，大量减少识别结果中的插入错误。数据显示，该方法使识别系统的音节错误率下降了大约 10%，识别 系统最终的插入错误和删除错误都低于 1%。 关键词：语音识别；后处理段长模型；段长归一化 中图分类号：TN912.34 传统的 HMM 理论假定状态的段长分布是指数 解码，得到最优选的识别结果。通过在全音节解码 分布，这个缺陷在 20 世纪 80 年代就引起了人们的 器中设置多个出口可以得到多长度的最优选识别 注意。从那时起，段长信息的相关研究变成了语音 结果。在后处理模块中，根据最优选识别结果的音 识别中一个热门主题，提出了各式各样的改良 节分割信息对每个音节做匹配识别得到该音节的 HMM 模型[1-3] 。这些方法通常情况下都可以将识别 多候选识别结果。这样，对应一段输入语音，最终 系统的字错误率降低 10%左右，但同时，他们使得 得到一个多长度多候选的识别结果。在整个基线系 系统的时间复杂度或是空间复杂度急剧增长。 统中并没有采用段长模型，因此在全音节解码器对 特征向量进行识别时，仅仅使用观测概率 在文[4]中提到，在后处理阶段使用段长模型是 p (O /S ) 一个避免系统复杂度大幅增加的好办法。但是本文 p (O /S ) 得到最优选结果。在 这个表达式中， 提出的方法与文[4]中的方法有所不同。 S s (s , ,...,s T 1 ) 2 N 表示状态序列，T 表示语音的 由于段长分布与说话人的语速有很强的相关 帧数，N 表示状态序列中状态的个数。 性，本文将段长分布对语速进行归一化得到一种新 的段长模型。在识别的第二阶段，利用这种归一化 的段长模型对系统解码输出的最优路径重新打分。 合并相邻的音节，改变其段长，得到不同的段长分 数，选择分数较大的音节作为最终的识别结果。显 然，段长模型的应用使得较大分数对应的识别结果 更可靠，最终使得本文识别系统的音节错误率降低 了大约 10%。同时，系统的时间和空间复杂度都只 有很小的增长，系统的实时率仅增加 0.05 倍实时。 图 1 识别系统的结构 1 基线系统 2 后处理阶段中的归一化段长模型 基线系统的结构如图 1 所示。在基线系统中， 首先对输入的语音提取特征，然后将观测特征向量