连续语音识别中的搜索策略.PDFVIP

第五届全国人机语音通讯学术会议第五届全国人机语音通讯学术会议(NCMMSC’98)，，138-143，，98 年年 7 月月 26~31 日，哈尔滨日，哈尔滨 第五届全国人机语音通讯学术会议第五届全国人机语音通讯学术会议 ，， ，， 年年 月月 日，哈尔滨日，哈尔滨 本文获本文获 NCMMSC’98 优秀论文一等奖优秀论文一等奖 本文获本文获 优秀论文一等奖优秀论文一等奖 连续语音识别中的搜索策略连续语音识别中的搜索策略 连续语音识别中的搜索策略连续语音识别中的搜索策略 郑 方 徐明星 吴文虎 (清华大学 计算机科学与技术系 语音实验室 100084) (fzheng@sp.cs.tsinghua.edu.cn ) 摘摘 要：要：本文从声学和语言处理两个层面对连续语音识别中的搜索策略进行了分析和研究， 摘摘 要：要： 在此基础上提出了行之有效的新算法。新算法利用了声学层面的差分状态驻留信息以及语言 处理层面的词搜索树等知识。专门的实验和汉语语音听写机系统测试的结果都表明，基于知 识的搜索策略使连续语音识别的性能有很大的提高，仅声学层面的知识就使性能提高了 36.6%。 关键词：关键词：连续语音识别，搜索策略，差分状态驻留，词搜索树, 基于知识的搜索策略 关键词：关键词： 一、引言一、引言 一、引言一、引言 在连续语音识别中，搜索策略是一个非常重要的研究课题。 对传统的或修改的 HMM ，著名的 Viterbi 解码算法[Viterbi 1967]和帧同步算法[Lee 1989]及其修 改版本是基本搜索策略，其基本思路是以帧为搜索单位，任一时刻对每一条路径，都假定当 前帧可能是该路径的后续，即每一时刻都在当前所有路径后发展所有可能的路径，以进行一 个完备的搜索。 这种基本的搜索策略简单易行，但是并不适合直接用作大词表的识别，因为搜索路径随 着时间的增长会急剧膨胀。这时必须确定一定的阈值以确定该保留哪些路径，但阈值过严会 丢失正确的路径，过宽又对增加搜索空间的负担。 另一方面，连续语音听写机的基本词汇是确定的，因此每个词对应的语音模型的搭配关 系也就确定了，仿照搜索的次序，我们可以建立一棵反映词表全体模型搭配关系的词搜索树， 树中的每一条根节点到叶子节点的路径是一个合法词的相应语音模型的串接。搜索过程中扩 展每一条路径时都要检查是否符合该词法树的约束，不符合要求的路径就不再扩展，从而保 证搜索只沿着满足词法要求的路径前进。 因此可以看出，解决搜索问题可以从两个方面着手，声学层面和语言处理层面。本文将 对上述两个方面进行更深的研究，并给出一些行之有效的新算法。 本文的实验是在国家 863 专家组委托中国科技大学、中国科学院声学所、社科院语言所 等构建的连续语音数据库上进行的。数据采集是 PC 上利用 16 位标准声卡完成的，采样率 为 16KHz，采样精度是 16bits。 二、传统的帧同步算法二、传统的帧同步算法 二、传统的帧同步算法二、传统的帧同步算法 Viterbi 算法可以适用于任何一种拓扑结构的 HMM，它允许状态从一个状态跳转到任意 一个状态 。如果把 HMM 限制为从左向右结构，也就是说，系统只能从当前状态跳转到其右 边 的状态或在本状态驻 留，则利用帧同步算法就足以解决状态序列的解码过程。对语音识别 来说，不管是孤立词识别还是连续语音识别，从左向右结构的 HMM 更符合实际的情况，因 而成为首选的 HMM 结构。本文讨论的基础也是从左向右的拓扑结构 。 但是，在实际中我们发现传统的 HMM 存在许多不足，因此本文作者曾提出了 CDCPM [Zhen g199610]，该模型不但降低了时空复杂度，还有效地保证了性能。CDCPM 是去掉了 A 矩 阵的从左向右 HMM 。由于没有 A 矩阵，因此训练和识别均需设计不同于传统 HMM 的算法。 在训练时，CDCPM 采用有效的、高鲁棒性的非线性分