使用字典学习法於强健性语音辨识.PDFVIP

Computational Linguistics and Chinese Language Processing Vol. 21, No. 2, December 2016, pp. 35-54 35 The Association for Computational Linguistics and Chinese Language Processing  使用字典學習法於強健性語音辨識 The Use of Dictionary Learning Approach for Robustness Speech Recognition     顏必成 、石敬弘 、劉士弘 、陳柏琳 Bi-Cheng Yan, Chin-Hong Shih, Shih-Hung Liu and Berlin Chen 摘要 在有雜訊的環境下，自動語音辨識系統(Automatic Speech Recognition, ASR)的 效能往往會有明顯衰退的現象。本論文旨在研究語音強健性技術，希望能夠透 過語音特徵的調變頻譜(Modulation Spectrum)正規化以萃取出較具有強健性的 語音特徵。為此，我們使用 K-奇異值分解(K-SVD)的字典學習法(Dictionary Learning)於分解調變頻譜的強度(Magnitude)成分，在最小化還原訊號誤差且在 其權重矩陣稀疏性的限制下，希望能獲取較具強健性的語音特徵。此外，因調 變頻譜強度成分皆為正值，所以我們提出非負 K-SVD 的方法來解決這個議題， 希望能增進自動語音辨識系統在抗噪上的效能。本論文的所有實驗皆於國際通 用的 Aurora-2 連續數字資料庫進行；實驗結果顯示相較於僅使用梅爾倒頻譜 係數(Mel-Frequency Cepstral Coefficient, MFCC)之基礎實驗和其它常見的調變 頻譜分解方法，我們所提出的字典學習法與其改進方法皆能顯著地降低語音辨 識錯誤率。最後，我們也嘗試將所提出的字典學習方法與一些經典的強健性技 術結合，如：進階前端標準法(Advanced Front-End, AFE) 、變異數正規化法 (Cepstral Mean and Variance Normalization, CMVN) 、統計圖等化法(Histogram Equalization, HEQ) ，以驗證其實用性。 關鍵字: 強健性、自動語音辨識、調變頻譜、稀疏編碼、字典學習法。                                                         國立臺灣師範大學資訊工程學系 Department of Computer Science and Information Engineering, National Taiwan Normal University E-mail: ,, berlin}@.tw 中央研究院資訊科學研究所 Institute of Information Science, Academia Sinica E-mail: journey@.tw 36 顏必成 等 Abstract The performance of automatic speech recognition (ASR) often degrades dramatically in noisy envi