基于Sphinx的语音识别框架及其性能优化-计算机技术专业论文.docxVIP

摘 要 语音识别技术是以噪声信道模型为基本框架的，被广泛使用的一种人机交互技术。它 的出现彻底地改变了人类与机器之间的信息交换方式，影响着人们的生活和工作。在语音 识别技术的发展过程中，开源的语音识别工具为语音识别技术的推广和应用起到了重大的 推动作用。本文在卡内基梅隆大学的开源语音识别工具 Sphinx 语音识别引擎的基础上，深 入分析了其语音识别框架，提出并实现了并行的混淆网络生成算法和基于遗传算法的重打 分算法，以便加快混淆网络的生成和提高重打分算法的词准确率。因此本文的主要工作包 括三个方面： (1) 分析了 Sphinx-4 语音识别引擎的各功能模块，包括前端模块、解码器模块、语言 专家模块等，并重点分析了解码器模块，为语音识别技术的理解及研究打下坚实的基础。 (2) 分析了 Sphinx-4 中的混淆网络生成算法，然后在 Sphinx-4 中实现了本文提出的并 行混淆网络生成算法。该算法首先通过采用树型结构和节点聚类的方法来对网格中的节点 进行分割，以生成节点集，然后对生成的节点集使用并行的方法，单独的生成混淆网络， 以加快混淆网络的生成速度，最后连接各混淆网络，以生成完整的混淆网络。因此该算法 能够克服已有的混淆网络生成算法不能够兼顾混淆网络生成质量和生成速度的缺点。同时 在 Sphinx-4 上的实验结果也表明：并行混淆网络生成算法生成的混淆网络在质量上能够与 分段 lattice 的混淆网络生成算法保持一致，但是在生成速度上能够获得接近于理想状态下 的 Amdahl 加速比。 (3) 研究了语音识别中的重打分技术，包括重打分的概念、N-best 重打分、网格重打 分、混淆网络重打分等，重点研究了混淆网络重打分算法。在此基础上，通过把遗传算法 应用于混淆网络重打分中，在 Sphinx-4 中实现了本文所提出的混淆网络遗传重打分算法。 该算法首先通过把语音识别引擎的输出转换为混淆网络的形式，然后在混淆网络上通过构 造一般性遗传算法所需的基本元素-基因与染色体，最后在重打分函数下实现对染色体的重 打分。同时本文也分析了遗传算法中的突变率、交叉率、重打分函数等对词准确率的影 响。在 Sphinx-4 上的实验证明：该算法相比迭代重打分算法能够获得更好的词准确率。 关键词：Sphinx-4 语音识别引擎；混淆网络；网格；重打分算法；并行；遗传算法； 1 Abstract Speech recognition is a human-computer interaction technology. It bases on the noisy channel model and has changed the communication between human and machine. For now it has been widely used by all kinds of devices, and is affecting the people life-style. In the speech recognition area, the open-source speech recognition tools play a prominent role for speech recognition technology popularizing. This paper just based on the Carnegie Mellon University Sphinx open- source speech recognition tool and deeply analyzed its framework. Then this paper proposed and achieved a new parallel confusion network formation algorithm and a new re-scoring algorithm based on genetic algorithm. So the main job could be summarized to below three steps: Analysis of the Sphinx-4 each functional module, Instance of its decoding module, front end module, linguist module etc, emphatically analyzed its decoding module, to lay a solid foundation for understanding speech recognition technology. Analyzed t