汉语连续语音识别中的动态特性建模方法研究-通信与信息系统专业论文.docxVIP

汉语连续语音识别中的动态特性建模方法研究¨2’摘 汉语连续语音识别中的动态特性建模方法研究¨2’ 摘 要 语音识别的目的是让计算机听懂并最终理解人类的语音，从而提 供一种最自然的人机交互手段。经过近50年的研究，语音识别技术 仍然存在很多难题和挑战。现代语音识别技术中最主要的研究方向是 大词汇量连续语音识别。 《对语音识别而言，最困难的是对语音的多样性建模。而语音是一 个时间相关性明显的非平稳随机过程，采用平稳过程的HMM来描述 语音，必然存在不合理性。虽然通过区别性训练、增加语法模型等手 段可以提高HMM的识别性能，但是并不能从根本上解决语音的非平 稳性和模型的平稳性之间的矛盾。近年来，出现了不少动态语音模型， 通过调整HMM的参数，使其具备可变特性以提高语音识别的性能。07’。 为了更好地描述语音的动态特性，本文提出了一种动态HMM结 构，在静止状态和观察之间增加了动态状态层。每一帧观察都对应于 个独立的动态状态，而动态状态由动态特性和静止状态决定。采用 贝叶斯网络对动态HMM的结构进行分析可以得到动态HMM的训l练 和识别算法。 ＼在动态HMM中所使用的动态特性必须具备连续性、一致性等要 求。本文选用了音韵学特征如共振峰、基音频率作为动态特性。由于 1)卜海市科委重点基金项目资助(01JCl4033) 2)毗尔实验室f：海分部资助 pla上殉交通』、学博J学位论文这些特征在清音部分不存在，因此，需要采用扩展算法进行扩展。实 pla上殉交通』、学博J学位论文 这些特征在清音部分不存在，因此，需要采用扩展算法进行扩展。实 验结果表明采用扩展的基音频率曲线作为动态特性可以有效提高语 音识别的性能。而采用共振峰作为动态特性的动态HMM则由于共振 峰的先验概率分布而导致动态HMM识别性能下降。通过在动态 HMM中引入动态特性的先验概率分布或者采用均值抵消的方法，以 前三个共振峰作为动态特性的动态HMM取得了较好的识别性能。动 态HMM对带调语音识别和不带调语音识别都有很好的识别性能。 由于动态特性的提取和扩展算法在训练和识别过程中不能完全一 致，会直接导致动态HMM性能的下降，甚至完全不可适用。通过对 动态特性后验概率分布的研究，选择采用动态特性在给定静止状态下 的均值作为对动态特性的估计用于识别，从而解决了由于动态特性未 知或者提取算法存在误差造成的影响。实验结果表明，采用动态特性 自动提取算法可以达到甚至超过使用已经提取的动态特性的识别性 能。 当动态特性的提取在训练和识别过程中都无法得到时，就无法采 用动态HMM。为了达到对于隐含动态特性建模的目的，引入预测的 动态特性和估计的动态特性的概念。预测的动态特性描述了动态特性 的时序关系，而估计的动态特性则描述了当前的观察和状态对动态特 性的影响。把这两个动态特性线性组合，就得到了隐含的动态特性。 在隐含动态特性的基础上，本文提出了隐含动态HMM。 隐含动态HMM的训练算法是～个同时得到最优动态特性和最优 模型参数的过程。可以通过扩展的EM算法，分5个步骤实现隐含动 态HMM的训练过程。 态HMM的训练过程。 这一过程需要对动态关联矩阵进行合理的初始化。对动态特性、 动态HMM、隐含动态HMM的等价性和相似性研究表明，采用主成 分分析作为动态特性关联矩阵初始化的隐含动态HMM最为合理。 对于隐含动态HMM的实验结果表明，采用主成分分析作为初始 化的隐含动态HMM可以取得很好的识别性能。对不同情况下的模型 实验也表明，隐含动态HMM对小词汇量、大词汇量上下文无关、大 词汇量上下文关联的语音识别都有较好的识别性能。 而隐含动态HMM对模型性能的改善随着模型数的增加而降低， 分析认为主要是模型数的增加造成了训练语料的减少，从而导致隐含 动态HMM的训练不足。同时实验结果还表明，随着隐含动态特性维 数的增加，模型性能的提高幅度也开始减缓。 对于语音动态特性的研究表明，在语音模型中增加对动态特性的 描述可以有效提高语音识别性能。动态HMM、隐含动态HMM提供 了描述语音动态特性的一种有力手段，具有很强的通用性，适用于不 同情况下语音的动态特性建模。． ， 关键词：语音识别，大词汇量连续语音识别，隐马尔可夫模型，动态 一HMM，F,婴HMM,垫坌断 n —— —— 生!i!塑銮望!：堂堡!堂些!!苎—— STUDY oN DYNAMlC PROPERTY MODELLING FOR MANDARIN CONTINUOUS SPEECH RECOGNITIONl’2’ ABSTRACT The goal of research in speech recognition is to make the speech of human beings being underst