基于主动学习机制的声学模型扩充方法-计算机技术专业论文.docxVIP

万方数据 万方数据 Classified Index：TP391.4 U.D.C：681.3 Dissertation for the Master Degree in Engineering ACOUSTIC MODEL EXPANSION BASED ON ACTIVE LEARNING Candidate： Supervisor： Academic Degree Applied for： PanWeiguang Prof. Han Jiqing Master of Engineering Specialty： Computer Technology Affiliation： School of Computer Science Technology and Date of Defence： June, 2014 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工程硕士学位论文 哈尔滨工业大学工程硕士学位论文 摘 要 语音作为最自然、最方便的传递方式，在人类社会中无处不在。尤其在信息 和多媒体技术迅猛发展的今天，语音通信网络和计算机互联网上的语音数据正以 迅猛的趋势增长。对这些数据进行分析和处理，并获取人们感兴趣的信息，具有 重要的理论意义和实用价值。作为语音信息处理的核心技术，语音识别以让机器 将语音信号转化成文字信息为目标而备受关注。让机器听懂人类的说话，一直是 科技的梦想，语音识别技术在语音分析、智能化控制等领域有着广泛的应用前景 和商业价值。 近年来，语音识别一直是语音处理领域研究的热点，吸引了很多学者展开广 泛而深入的研究，取得了大量的研究成果。尤其是基于隐马尔可夫模型的方法出 现后，语音识别的性能得到了大幅度的提升。然而许多在实验室中性能较好的识 别器，拿到实际环境中却表现的不尽如人意，这成为制约语音识别技术实用化的 关键因素。究其原因，模型不匹配问题扮演了重要的角色，即训练得到的识别模 型不能很好的匹配实际环境的语音数据。基于隐马尔可夫模型的语音识别方法， 本质上是利用统计模型来刻画训练数据中所蕴含的声学知识和语言学知识，其识 别效果的好坏依赖于训练数据的多少以及数据的覆盖宽度，而实际的训练数据总 是有限的不充分的，不可能覆盖所有的发音情况。 考虑到人类学习的方式之一是在错误中学习，通过不断的消化错误知识，不 断的主动学习、累积学习，从而持续扩充和校正头脑中的认知。可以将这样的学 习方式运用到语音识别中，通过对错误识别的语音数据进行学习，转化为新的模 型知识，扩充已有的模型。这样不断的学习，去减轻模型不匹配现象。要达到上 述目的，需要解决如下两个问题：（1）声学模型的扩充问题，如何将新获得的语 音知识加入到已有的声学模型中去，考虑到现有的语音识别技术大多基于统计的 方法实现，显然声学模型扩充不能直接完成；（2）累积式学习问题，这样一种从 错误中学习的过程显然应该是一个长期的、持续的、在线的过程，是一个不断修 正的过程，然而面对现有的语音识别技术框架，如何实现这一学习过程成为本文 研究重点。 本文围绕着上述问题开展了一系列的研究工作，针对基元同构和异构两种情 况，提出了声学模型扩充方法，并结合主动学习机制，来解决声学模型扩充中的 累积式学习问题。主要研究工作如下： （1）提出了基于 MAP 的声学模型扩充方法。扩充的声学模型采用与原模型 相同的基元形式，并研究了基于 MAP 模型自适应方法的新模型生成方法，并在保 留原有声学模型的基础上向其添加新模型。 I- （2）提出了声学基元异构条件下的声学模型扩充方法。为了减少添加模型的 规模，以音节为基元来训练新扩充的声学模型。为了平衡基元异构的原有模型和 新模型，在识别网络中引入了入口惩罚机制。 （3）提出了基于主动学习机制的语音识别系统框架。采用了基于置信测度的 主动学习策略，利用 Lattice 识别结果计算后验概率来发现疑似的识别错误候选， 通过人工确认来累积错误语料。结合声学模型扩充方法不断扩充声学模型的规模， 达到在语音识别器的在线使用过程中不断校正识别性能的目的。 关键词：语音识别；主动学习；模型扩充 II- Abstract Speech is one of the most natural and convenient way to exchange information in human society everywhere, especially in the rapid development of information and multimedia of technology today. Speech data in speech communi