鲁棒语音识别中的多流同步分析研讨.pdfVIP

鲁棒语音识别中的多流同步分析研究木 ．孙 唪 吴镇扬吴红卫胡红梅 东南大学无线电系 南京210096 摘要：由于训练环境和应用环境失配，导致系统识别性能急剧恶化。本文根据人耳听觉的 频率跟踪特性，对于语音信号进行频带分割，同时根据全带分析的特点，对不同的频带的信 号进行同步分析来提高噪声环境下的语音识别性能。实验表明：这种方法可以提供多流冗余 信息，有效的提高系统的识别率。 关键词：语音识另q 多流分析同步模型 隐马尔可夫模型 1 引言 语音识别系统的性能易受到噪声环境的影响，因此噪声环境下鲁棒语音识别引起了学者 们的广泛研究，其中，模型补偿技术提供了有效的处理途径。Gales[1]提出了噪声模型补偿方 年来，由．于多流模式可以为识别提供附加信息而得到关注，如AVSR[4]，双声道语音识别， Sangita[5]等子带分析。 分析Sangita提出的子带分析算法可以看到，该算法与全带分析的差别在于不同频带间信 号感知是独立的，不保留带间相关性，同时要求信号存在不受噪声影响的频带。实验表明该 算法在宽带噪声下性能较差。Bregman[6]等听觉实验表明人耳对混合语音流的感知具有近似频 率接近选择原则。Riener和Warren通过研究得出基于限制谱区域的处理机制能增强困难条件 下昕者的理解力。基于上述分析，本文采用信号空间多带合并来减少噪声污染的影响，同时 不同频带间保持帧同步来匹配全带分析中的相关性，以提高系统在噪声环境下的识别性能。 实验表明：这种方法在利用有效频带进行识别的同时引入了带间相关性，有效地提高了整个 识别系统在噪声环境下的识别性能，同时大大简化了模型。 2问题分析 听觉实验表明，人耳可以跟踪特定频带信号加以识别。为了便于表征这一特性，我们定 义隐变量厂。每个，排斥一种可能的噪声污染频带。可见，，∈【l，．．．，2L-1]，其中J乙表示子带 个数。分析可知，这种方法可以有效的减少由于语音参数提取正交化处理带来的噪声污染扩 散。为保留与全带分析一致的同步特性，这里在信号空间进行频带合并的同时，强制不同频 带问信号帧同步。设纯净语音为x=fz，，，，tE【1，．．．，丁】，，∈【l．．．，2L一1】)，语音信号模型采用 ’国家自然科学基金和973计划(2002CB312102)资助项目 ·439· 同步转移，则有HMM任一状态下信号观测概率密度为： 2‘一Ir I (1) s,，Z=f)N(x／JJ￡l肚。三厉) P(x，Is,=-『)=∑∑CP(k,=kl k=l f=l ls,，z)为，时刻状态_频带‘下第Jl：个 其中，c=i■，用以保证概率归一性。P(k，=k 高斯混合密度的观测概率，N(x，．，Ip肚，毛t)为多维高斯概率密度函数。 分析可知，由于HMM状态转移，(1)式会带来不同状态各频带概率估计交叉项。这会 导致噪声影响的扩散，因此，噪声环境下不能直接使用(1)式。为此针对噪声环境本文引入 6算子来修正似然估计，限制受污染的频率信号的影响。设噪声环境下的观测序列为 i1，．．．71，，∈【1，．．．，2L—l】)，为进一步减少环境不匹配带来的性能恶化，假定Y与X Y=(Yf,t,tE 间存在映射关系，即y～=Axf。+6。由于语音识别时CDI-IMM的混合高斯均值的影响远大 于方差，所以本文假设环境变化仅对CDHMM观测概率的均值产生影响?则有： 2L—IK (2) P(y，i s，，五=，)Ⅳ(y，，，IA肚J【￡肚+6m，z肚硒(工=Z_)