基于子空间聚类的快速高斯计算.pdfVIP

第33卷第3期 计算机工程 2007年2月 2007 场己33 No．3 ComputerEngineering February ·悄：士。论文· 文章编号：1000-一3428(2∞7)03—∞35—02文献标识码：A 中圈分类号：TP391．4 基于子空间聚类的快速高斯计算 刘斌1，谢凌云2 (1．中国科学院声学研究所，北京100080；2．中国传媒大学传播声学研究所，北京100024) 擅要：针对嵌入式语音识另q系统，实现了基于子空间聚类的快速高斯计算，简化了HMM模型的计算复杂度，回避了声学模型重新训练 的问题。在嵌入式系统上的实验数据表明，识别速度能获得20％以上的提高，而且识别率没有大幅降低。 关健诃：语音识别；子空间聚类；高斯计算；嵌入式系统 FastGaussian Basedon ComputationSubspaceClustering LIU Binl，XIELingyun2 (1．InstituteofAcoustics，Chineseof 100080； AcademySciences，Beijing 2．InstituteofCommunicationAcoustics，Communicationof UniversityChina，Beijing100024) a embedded to fastGaussian basedon of [Abstract]Thispaperpresents computationalgorithm subspaceclustering speechrecognitionsystem doesnot onembeddedshowthatthe reducethe need model computationcomplexity．Thisalgorithm re—trainingparameters．Theexperiments system rate canbe above20％andthe doesnot much． speed improvedby recognition degrade [Keywords]Speechrecognition；Subspaceclustering；Gaussiancomputation；Embeddedsystem 基于HMM的连续语音识别系统中，为了提高识别率和 含北京比较有名的机构和景点名称、司机与乘客交流的常用 鲁棒性，模型状态的输出概率一般采用单高斯或者混合高斯 会话等。该任务模型被转换成词图，搜索算法为onepass的 分布的连续概率密度函数，输出概率的计算量占整个语音识 Viterbi解码算法，同时应用搜索剪枝进行优化。输入的语音 别计算量的30％～70％，因此高斯概率计算成为降低计算复杂 信号在特征提取前，先进行预加重H(z)=1—0．97z～， 度的重点所在。对各个高斯分布的重要性进行区分，只计算 接着进行汉明窗加窗处理消除分帧的