基于网格的语音关键词检索算法改进.pdfVIP

ISSN 1000-0054 清华大学学报 (自然科学版) 2015年 第 55卷 第 5期 5／18 — — CN 11-2223／N JTsinghuaUniv(Sci8LTechno1)，2015，Vo1．55，No．5 5O8—513 基于网格的语音关键词检索算法改进 肖 熙， 王竞千 (清华大学 电子工程系 ，北京 100084) 摘 要：针对多候选汉语音节网格语音关键词检索任务，在 用 ，但基于文本内容的检索技术对于包含语音等的 Gauss混合模型以及多候选识别算法方面进行了研究改进。 多媒体数据仍不能进行较好 的理解。语音检索技术 首先探讨 了Gauss混合模型的不 同简化策略并用实验进行 的出现 ，弥补 了基于文本内容 的检索技术 的不足。 了验证 ，证明了全协方差矩阵在识别性能上 的优越性 ；随后 本文针对语音数据 的关键词检 索系统 (keyword 对经典的多候选令牌传递算法做出了针对汉语特点的改进。 spottingsystem，KWS)所需要 的关键技术进行 了 实验表 明这 2方面的研究不仅提高了以音节作为输 出的语 研究，力图从改善模型精度和搜索算法等方面提高 音识别gf擎的单候选识别效果，也大幅提高了多候选的识 语音检索的性能。 别性能。最后搭建了一个基于多候选网格 的语音关键词检 目前，隐 Markov模 型 (HMM)和多 Gauss混 索系统，在该系统中验证 了上述改进的效果。 合模型(GMM)E1]被普遍地用作描述语音的概率模 关键词 ：语音关键词检索；多候选 网格 ；Gauss混合模型； 型。即使深层神经 网络 (DNN)技术E2--3]被广泛应 CUDA；三音子模型 用，各种基于 HMM—GMM架构的改进方法仍被研 中图分类号 ：TP391．4 文献标志码 ：A 究者所关注。例如 ，文-14]采用 了鉴别训练的方法 文章编号 ：1000—0054(2015)05—0508—06 对 HMM 的状态进行训练，得到了比传统的最大似 然估计 (MLE)更好 的结果 ；文 [5]提 出了子空间 GMM，其 中HMM 向量通过一次全局映射 映射到 GMM 向量空间，从而改进 了识别性能 。文 [6]仍 然采用了传统的HMM—GMM 结构 ，但采用了加速 分量学习(boostedmixturelearning)的方法训练每 个 GMM 的分量 ，实验表明这种方法对小尺寸模型