_基于语音识别系统性能影响的噪音场景分析.docVIP

基于语音识别系统性能影响的噪音场景分析 摘要：噪音场景分析对提高语音识别系统在复杂环境下的鲁棒性具有重要的意义。本文介绍了一种基于语音识别系统性能影响的噪音场景聚类分析方法，是采用数理统计学方法分析噪音场景对于语音识别系统性能的影响效应，依据效应分析来实现对噪音场景的聚类。基于方差分析法的统计模型能够将噪音场景对性能的影响效应分解为训练、测试的单独效应以及二者的交互效应这三个部分并准确地估计这三种效应，进而实现对噪音场景的聚类。最后通过识别实验对聚类合理性进行验证。 关键字：语音识别；方差分析；析因设计；噪音聚类。  Analysis of Background Noise based on performance influence for Speech Recognition System Abstract: Noise scenes analysis technique plays a very important role for improving the adaptation of Speech Recognition System in Noise Background. A new clustering analysis method based on performance influence for Speech Recognition System has been introduced. By means of statistical analysis methods, it analysis the influence of scene noises on system performance and get the similarity for clustering. A statistical model based on ANOVA was proposed to decompose the effect on system performance into three parts: effect of training data, test data and their interaction, and each path is considered dependent on scene noises. Finally verify reasonableness of clustering by means of Speech Recognition experiments. Keywords: Speech Recognition; ANOVA; Factorial design; Noise Clustering.  1 引言 目前关于提高语音识别系统在真实环境下的鲁棒性问题已经成为了语音识别技术的研究热点[1][2][3]。目前的语音识别系统只能在一定的限制条件下获得满意的性能，或者说只能应用于某些特定的场合。语音识别系统性能原因有两个：一是背景噪音影响了语音信号的质量；。[4][5]，以及线性谱频率LSF[6]等等一些其他特征。目前用的最广泛的特征是梅尔倒谱系数MFCC。 本文提出了一种新颖的噪音场景聚类分析方法。区别于其他传统的聚类方法[7][8]，它没有声学特征的提取，而是采用是数理统计学方法分析噪音场景对于语音识别系统性能的影响效应，依据效应分析来实现对噪音场景的聚类。该方法对比于其他基于声学特征的聚类方法，是完全从系统性能角度出发，要将复杂繁多的噪音场景归纳为几个典型大类，使得类内场景对系统性能影响不显著，类间场景对系统性能影响显著。而基于声学特征的聚类有可能不能完全反映噪音场景对系统性能的影响，因为可能存在声学特征类似的噪音对系统性能影响显著，而声学特征不同的噪音却对系统性能影响不显著。 具体步骤为：1.首先进行语音识别实验，利用搭建的大词汇连续语音识别系统对语音识别系统性能影响 析因设计也叫做全因子实验设计就是实验中所涉及到的全部实验因素的各水平全面组合形成不同的实验条件每个实验条件下进行两次或两次以上的独立重复实验析因设计的最大优点是所获得的信息量很多,可以准确地估计各实验因素的主效应的大小,还可估计因素之间各级交互作用效应的大小本文采用析因设计方法。 （1） 表示第一个因素的第个水平，表示第二个因素的第个水平，表示第k次实验当第一个因素取水平，第二个因素取水平时的性能指标值。表示第一个因素取水平时对性能指标的效应。表示第二个因素取水平对性能指标的效应。表示两个因素间交互作用的效应。表示第k次实验的随机实验误差。 噪音场景对于系统性能的影响主要表现在训练数据、测试数据和两者交互作用（一致性）三个部分的效应。本文中将训练当成第一个因素，测试当成第二个因素，应用方差