一种用于抗噪语音识别的动态参数补偿新方法.pdfVIP

维普资讯 第 13卷 第 2期 电路与系统学报 V01．13 NO．2 20o8年 4月 J0URNAL0FCIRCUITSAND SYSTEM S April， 2008 文章编号：10070·249(2008)02．0014．06 一 种用于抗噪语音识别的动态参数补偿新方法 宁更新， 韦岗 (华 南理工大学 电子与信 息学院，广东 广州 510640) 摘要t模型补偿技术已成功应用到噪声环境下的语音识别任务中。流行的模型补偿技术如 Log．Add和Log．Normal PMC (并行模型合并)方法对动态特征参数通常只能给出近似的补偿。因此他们的识别率在较低的信噪比条件下变得 很低 。本文利用静态特征的导函数推导出了一种新的动态模型参数补偿方法。新的方法可 以同任何已知的静态模型补 偿算法结合产生出新的用于识别的噪声语音模型。实验证明这一新算法的应用，使其识别率 比仅使用原有的模型补偿 算法有较为明显的提高，并且新算法的复杂度较原有的模型补偿算法只有轻微的增加。 关键词t鲁棒语音识别；模型补偿；动态参数补偿 中圈分类号tTN912 文献标识码tA 1 引言 与机器进行语音交流，是人们长期以来梦寐以求的事情。语音识别技术就是让机器通过识别和理 解过程把语音信号转变为相应的文本或命令的技术，其被认为是 2000年至 2010年间信息技术领域十 大重要的科技发展技术之一。在语音识别中，当识别器的训练环境同应用环境不同时，其性能会急剧 下降。为了解决这一 问题，各种技术方法陆续地被提 了出来，这些技术方法主要分为三大类 ：1)语音 鲁棒特征的表达和提取技术 ~6】；2)语音增强技术 ，】；3)模型补偿技术[1-3,7-10】。关于这些方法的详 细回顾可参见文献 [9】。本文的讨论重点是模型补偿技术 。模型补偿技术主要是通过合并纯净语音模型 与噪声模型，从而产生出用于识别的带噪语音模型。文献[1～31中已经证明PMC方法是一种非常有效 的模型补偿方法，它能产生出具有鲁棒性的带噪语音模型，这些文献 中并且给出了几种不同的 PMC 方法 。在这些 PMC 方法 中，一些诸如数字积分 PMC (NumericalIntegralPMC)和数据驱动 PMC (Date．drivenPMC)方法能够获得很佳的识别率，但是这些方法的运算复杂度 巨大，很难运用到实际 应用 中去。另一方面，一些诸如对数-力ⅡPMC (Log．AddPMC)和对数．正态 PMC (Log．NormalPMC) 方法通过使用较简单的估计方法来生成带噪语音模型，这样在很低信噪比的条件下识别效果不是很令 人满意。其中Log．NomralPMC方法对静态模型参数给出一个严格的补偿方案，但是对动态模型参数， 到 目前为止只能对其均值进行简单的补偿 。虽然这种动态的均值补偿可以提高识别率，但是算法仍有 改进 的空间，使其能够为动态的协方差参数提供补偿 。 为了解决这一 问题，本文提出了一种新的动态模型补偿方法 (DPCM)。DPCM 选定语音特征与噪 声特征的差为一个新的附加随机变量，并假设该附加变量与语音和噪声特征的导数之间均相互统计独 立。这样，动态特征的补偿即可通过数学的方法来解决。此外新的DPCM 可以同任何已知的静态补偿 方法结合生成新的带噪语音模型。实验结果也证明使用该DPCM 可以提供更好的识别率。 本文定义和使用一致的域标号。上标 表示对数功率谱域，无上标的则表示 Me1线性功率谱域 。 估计 出的噪声模型参数用～标记 ，补偿 出的带噪语音模型参数用 标记 。 2 模型补偿技术 模型补偿技术是根据应用环境的背景噪声情况，通过修正纯净语音特征的统计模型产生出一个更 接近真实带噪语音特征的统计模型。图 1是一个基本模型补偿方案框图，输入为一个纯净的语音模型 ‘收薯 日期t2005．12．19 修订 日期：2007．12-21 基金项 目，国家 自然科学基金资助项 目 ；J。‘东省 自然科学基金博士启动资助课题项 目