语音参数轨迹模研究及其在可信度度量中的应用.pdf

中文摘要 摘要 迄今为止，在连续语音识别领域应用最成功壤广泛的是HMM模型。为了获得高效的 训练和识别算法，HMM假设特征之间相互独立，这是zi符合语音信号的实际分布的。为 此研究者们解除独立性假设，提出了更一般的模型一一分段模型。奉义对参数轨迹模州进 行了全面的研究和深入的探讨，包括声调结合建模、搜索问题，以及它的可信度度帚T作 等。主要贡献如下： ·完成了参数轨迹模型系统的实现，对模型的概率表达方式进行了分析。!。1多项式拟 合阶数退化为0时，它相当于精确时长建模的HMM。在分段模型实验巾，从数据拟 合的角度验证了参数轨迹模型比起HMM模型具有更加精确的建模能力。参数轨迹模 型方法对静音建模时存在希理论缺陷，、．我们设想静吝‘有一条期望的亩线轨迹来实现 其参数轨迹的建模。同时发现，时长模掣对小帧数静音的识别非常重要； ·探讨了结合声调特征的参数轨迹建模。它的软结合方法在特征层把基频作为第14维 特征，对其进行轨迹拟合后得到的是这段语音的声调。参数轨迹模州的物理意义决 定了它能盲接反映基频曲线在空间的分布特性。硬结台方法在模型层将声调模州与 声学模型相结合，利用的是参数轨迹模型作为分段模型的特性：它的框架结构在进 行统计识别时可阻很好地结合段特征。 ·参数轨迹模型获得了比HMM模狲更加精确f；|q建模能力，这是以计算复杂度增加为代 价的。为了解决这个问题．提出了定长参数轨迹模型方法。它将¨一化时间轨迹上 的点重采样到丽定的区域巾，避免了Hi同时间点在Ii同段巾的重复概率汁算。论文 还对模型实现过程巾遇到的句了得分归一化等问题进行了处理。定长参数轨迹模掣 在数字串识别率略有下降(05％)的情况下，计算时问降低T90倍左右： ·提出了参数轨迹模型和HMM模型相结合可信度度景方法，克服了传统可信度方 法的不足。具体的方法有两种，一是得分的应用，可以和HMM得分相结合或者替 代HMM得分使用．…方埘引入了新的信息，另一方面改善了HMM划语音信写描述 不够准确的缺陷；一：是模，鸭的融合．在同一系统I}1出珧了两种小同的声学模州，它 们提供了各自的识别结果相互验证。这样做避免了采用似然得分所带来的种种问 题，在不同的句子问可以相互比较。在搜索阶段，对词图t11要进行叫溯的语音段提 供新的声学模型(参数轨迹模删)识别，原HMM的识别结果在这个新的序列巾所处 的位置不同，其得到的可信度支持也小同，从而改变路径川溯的优先顺序，提高系 统的识别率。在假设检验阶段．提出参数轨迹模州校验的扣识方法，在此基础1．， 为了满足系统提出的对评价指标的小同要求，增加了Fishel分类器后处理部分，Jt 引入参数轨迹模型得分作为新的特征输入。通过刈参数轨迹模，“校验和得分的蚓时 运用，取得了较好的接受／拓识性能。 关键词：语音识别、参数轨迹模}弘、搜索、可倍度度节 英文摘要 Abstract SofarHMMwasmost and usedincontinuous Successfullywidely speech of forthe train— assumedthe featurevectors efficient recognition．It independence and the didn’taccordwiththe ing recognitionalgorithm．Howeverassumption aetualdistributionof modelsthat toover—