语音识别系统的声学建模的研究.pdfVIP

语音识别系统的声学建模研究 摘要 声学建模是语音识别领域中的关键问题之一。本文对汉语连续语 音识别中的声学建模技术和参数共享策略进行了深入的研究。主要针 对以下两个方面：一、研究了基于决策树状态共享的上下文相关声学 建模方法，其中针对声学建模的声学单元选择和决策树问题集设计进 行了深入研究和优化；二、针对声学模型训练过程中的实际问题，如 训练数据稀疏，模型选择和发音变体等问题对声学建模过程进行了优 化。具体包括以下几个方面： 1．对HTK平台进行了研究和分析，在深入了解HTK平台的基础上 展开声学模型训练和性能评估实验。其中，对上下文相关(Context D印end既t，CD)声学建模中基于决策树状态共享策略进行了深入 研究。分析了两种不同的决策树构造方法，讨论了问题集的设计 和决策树节点的分裂策略，并展开了一系列优化决策树状态共享 的上下文相关声韵母(CD 实验。 a)为了保证声韵母之间的相互搭配关系，在原来的基本声韵母集 合上，增加了零声母部分，形成扩展声韵母(Extended 高的识别率。 b)根据语音学知识优化了决策树问题集的设计，并调整了决策树 分类门限，在单混合度下，获得了4％的音正确率提升。 2．针对训练语料中一些声韵母三音子有调样本数和无调样本数的不 平均现象，本文首次提出M通过无调声韵母三音子模型为有调声 韵母三音子模型做初始化的方法优化声学模型。该方法在相同条 件的训练和测试集下提高了识别性能，特别是在有调三音子稀疏 现象明显的测试集中效果提高显著。此外，本文研究了声学模型 的复杂度调整策略，通过自适应混合分量增长策略，在高斯数日 少于混合分量数为6时，识别正确率与混合分量数为8时相当，并且 在一定程度上减少了高斯总数。 3．研究并实现了半连续分段概率声学模型。该模型在经典HMM模 型及其模型混合高斯连续概率模型(MixedGaussianContinuous 述的特点，以混合共享的方式来描述各状态的概率分布。在中等 词汇量的非特定人连续语音库测试集中，与原来的MGCPM模型 相比，混合分量共享声学模型在保证识别率基本不下降的情况下， 一定程度降低了模型规模和计算复杂度。此外，本文在基线系统 模型基础上，对存在的发音变体进行定位和信息收集，通过有效 进行训练语料中出现的发音变体的建模，旨在有效地增强现有模 型对各种发音变体的鲁棒性。 关键字： 语音识别声学建模三音子决策树 II RESEARCHOF MODEL玳G ACOUSTIC FORSPEECHRECOGNITIONSYSTEM ABSTRACT Acous垃c isoneoftlle in tieldof problemstlle Modding key specchreco嘶tiom hlⅡlis acoustic and are paperthetechIliqu嚣ofn川dingpa托metertyingsnⅢegy smdied．Twomain aref0_cIlsedon：tllebasiccontext tllorouP蛆y aspects depcndalt ∞ollstic memodare t黜sofb勰icacolls缸cu11it modeIiIlg iIlv铭tigatod锄d坞vised，ill seIection锄dset oftlle