基于回归神经网络的语音识别抗噪研究-应用数学专业论文.docxVIP

lIIIJl lIIIJl l IIInl g／llll HI IllI Y3020332 University of Science and Technology of China A dissertation for master’S degree Noise Robust Speech Recognition Research based on Regression Deep Neural Network AuthOF： Speciality： Finished Time： 蠹藤 Supervisor： 五垫 万方数据 中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的成 果。除己特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰 写过的研究成果。与我一同工作的同志对本研究所做的贡献均己在论文中作了 明确的说明。 作者签名：过建熊 签字日期：塑遁翱塾旦 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学 拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构 送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入 《中国学位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的 内容相一致。 保密的学位论文在解密后也遵守此规定。 舾公开 口保密——年 作者签名： 导师签名 签字日期：丕丛生!旦垫曼 签字日期：三≥型丝堑 ·上：j) 万方数据 摘要摘要 摘要 摘要 随着移动互联网时代的快速发展，语音识别应用变得越来越普及，语音交 互由于其便捷性也逐渐被大众所接受。但是语音识别过程中环境噪声以及不同 设备的信道多样性制约着自动语音识别系统的大规模应用。近年来，深度神经 网络(DccpNeural Network，DNN)被成功应用到自动语音识别系统中，基于大 数据训练，DNN相对于传统方法有着更好的鲁棒性，但是DNN在噪声环境下 仍面临着识别率差的问题。而且，由于深度神经网络模型的特点，许多传统的 抗噪方法很难被直接使用。为此，本文主要做了如下工作： (一)本文在800小时的大规模训练数据下探索不同回归神经网络结构的 建模能力，包括输入输出结构，DNN．Autoencoder结构，激活函数选择等，通 过实验对比得到最优的神经网络结构。该方法通过DNN强大的非线性建模能力 学习噪声语音特征与干净语音特征的映射关系，然后将处理后的带躁语音输入 至语音识别系统中进行语音识别从而提高语音识别率。本文的最优网络结构将 噪声语音的词错误率从23．8％降低到18．2％，性能相对提升23．5％。 (二)本文首次将混合密度网络(Mixture Density Network，MDN)应用到 抗噪语音识别。混合密度网络将目标特征拟合为混合高斯分布，通过最大似然 函数优化神经网络，实验表明，MDN能够带来相对DNN有5．0％的词错误率 下降，相对DNN有更强的拟合能力。 (三)本文将回归神经网络应用到了远场语音识别以及频谱扩宽中。远场 语音主要为卷积噪声，本文实验表明回归神经网络对远程语音建模能够带来识 别性能相对55．5％词错误率下降。同时若将回归神经网络与后端声学模型进行 匹配性训练则又能够带来相对4．9％的性能提升。同时本文将回归神经网络应用 在频谱扩宽领域中，将8千赫兹语音特征通过回归神经网络映射成16千赫兹语 音特征，并对伪16千赫兹特征输入到16千赫兹语音识别系统中进行语音识别， 实验表明，该方法可使得8k识别率性能降低在5％以下的可容忍范围内，而训 练资源可减少一半。 关键词： 回归神经网络，语音识别抗噪，混合神经网络，大规模连续语音识 别，频谱扩宽 万方数据 ABSTRACTABSTRACT ABSTRACT ABSTRACT With the rapid development of mobile Internet era，voice recognition applications become increasingly popular．Due to its easy operation，voice interaction is gradually accepted by the public．However,during the speech recognition process，envlronmen- tal noise and channel diversity of different dev