自动语音识别中的噪声鲁棒性方法汇.pdfVIP

摘要 摘要 众所周知，在噪声环境下如果我们不采取任何措施，那么自动语音识别系 统的性能将会大幅下降。本文的主要目标是在面对各种噪声带来的负面影响时， 如何增强识别系统的鲁棒性。噪声鲁棒性方法大体上可以分为两大类：特征域 方法和模型域方法。本文对这两类方法均开展了深入的研究，主要创新点如下： 首先，我们提出一种新的基于隐式模型的特征规整算法，即例谮形状规 整(CsN)算法。我们观察到在噪声环境下特征分布的形状相比于干净环境变化 很大，CsN通过引入一个指数因子来达到对倒谱分布形状规整的目的。这个新方 法被证明比传统的HEQ和HOCMN方法更加有效，尤其是在低信噪比情况下。 接着，我们转到另一种新的基于显式模型的特征补偿方法，即分段线性近 似(PLA)方法。通过对环境模型的分段线性近似，可以比传统的VTs和MAX这 两种方法得到更为精确的近似，同时给出了基于MLE的噪声参数估计和基 于MMsE的干净语音估计的相关理论推导，此外实验表明针对当前句子的不同 段采用不同的分段近似方式能进一步带来性能的提升。我们不仅在语音识别中 验证了PLA方法的有效性，还将此方法在语音增强中加以应用，主客观测试都取 得了较好的效果。 但是PLA方法并不完美，它最大的缺陷在于所有理论推导都假设在对数谱 域滤波器组各个通道之间互不相关。因此从另一个精确近似的角度，我们提出了 一种新的基于高形卜矢量泰勒展开(HoVTS)的方法。HOVTS具有以下优点：1．环 境模型中同时考虑了加性噪声和信道畸变，2．对非线性环境模型可以进行任意 高阶近似，3．滤波器组各通道之间的相关性可以加以考虑。 最后，我们考察了HMM经过区分性训练之后的噪声鲁棒性。作为预备知识， 先介绍了我们提出的区分性训练新准则，即最小化散度(MD)准则，实验表明 在干净环境下小任务和大任务上MD准则性能均优于时下流行的MPE准则。然后 讨论了噪声鲁棒性区分性训练的若干技术细节，包括MD准则和MWE／MPE准则 的优劣，如何设计ML基线系统以及如何处理静音／背景模型等等。 以上所有新方法的实验都是在小任务Aurora2和Aurora3上完成，这两个数据 库都是连续数字串任务，并且是专门为验证噪声鲁棒性方法而设计。为了实验 的完整性，我们也比较了不同技术在LvCsR大库Aurora4上的优劣。初步实验再 次表明，LVCSR的噪声鲁棒性至今仍然是一个很难的开放性问题。 关键词：自动语音识别噪声鲁棒性倒谱形状规整分段线性近似高阶矢量 泰勒展开最小化散度 英文缩写及主要符号对照表 英文缩写及主要符号对照表 乜 HMM状态转移概率 贸 增益函数 易(·) 混合高斯概率密度函数 B Ⅵterbi最优状态路径信息 c(·) 累积分布函数 E 期望 尹 区分性训练准则 ^ 信道畸变 M 解码候选词串空间 人厂(·) 高斯概率密度函数 ，z 加性噪声 p(-) 概率分布函数 Q 辅助函数 厂R 训练集句子序号及句子总数 s。s 状态及状态序列 f，r 时刻(帧)及总时间(总帧数) y Viterbi最优状态序列概率 w．Ⅳ 词(词弧)及词序列 x，X．0。o 观测(干净语音)及观测序列 石 干净语音估计 y 带噪语音 口，卢，y 前向概率，后向概率，跳转占有率 人，① 声学模型参数 肛 高斯概率密度函数均值及均值向量 7r 初始状态概率 0r2，∑ 高斯概率密度函数方差及协方差矩阵 山 混合高斯权重 AFE ETSI