数学与评价.pdfVIP

清华大学工学硕士学位论文 钟 林：汉语语音识别说话验证 第二章 数学与评价 统计假设检验(Statistical Hypothesis Testing) 和贝页斯决策分析(Bayesian Decision Analysis)是说话验证和置信度估计的数学基础。对某个输入语音X ，语音 识别器（Recognizer ）给出识别结果C；这个结果实际上是关于输入语音的一个假 设（Hypothesis ）H (X ) 。而对此结果验证（Verification ）的主要手段就是统计假设 检验（Statistical Hypothesis Testing）。另一方面，如果将识别器的输出看成是验证 器（Verifier ）的输入，那么验证器实际是一个分类器（Classifier ），判断输入究竟 属于类1 （正确）还是类0 （错误）。因此，说话验证又可以看成是模式分类（Pattern Classification ）问题。而贝页斯决策分析正是模式分类的统计数学基础。本章将介 绍说话验证的数学原理和评价方法，分析两个不同数学角度的内在联系，最后给出 本论文将要用到的验证评价方法和研究采用的识别系统。 2.1统计假设检验 根据Neyman-Pearson 假设检验理论（Bickel and Doksum,1976 ）， 可以将说话 验证归结为这样一个统计假设检验问题。零假设H 0 (Null Hypothesis): 识别结果正 确。与之对应是备选假设H 1 (Alternative Hypothesis): 识别结果错误。说话验证就 是对零假设进行检验。 根据假设本身的性质（真/假）以及假设检验的结果（接受 /拒绝），有以下四种结果出现：正确接受（H 0 真），错误拒绝（H 0 真），错误接受 H 假）和正确拒绝（H 假）。因此假设检验可能出现两种错误：错误拒绝（False （ 0 0 Rejection ）和错误接受（False Acceptance ），分别称为第一类错误和第二类错误。 出现两类错误的概率分别为P (I) 和 P (II) 。假设检验的势(Power) 为 1− P (II) = P ( H | H 。设输入识别器的语音为X ，而分布p (X | H ) 与 拒拒 0 0假假 0 p (X | H ) 已知，根据Neyman-Pearson 引理，当 1 p (X | H 0 ) LR = τ p (X | H 1 ) 8 清华大学工学硕士学位论文 钟 林：汉语语音识别说话验证 时接受零假设H 0 是优的。所谓优是指使在使P (I) 受限的情况下，检验的势(Power) 是所有可能检验中最大的。 这通常称为似然比检验(Likelihood Ratio Test) 。其中τ 称为检验的临界阈值 (Critical Threshold) 。 τ 取不同值，假设检验将工作在不同的工作点(Operating Point) 。 从似然比建设检验的角度来看说话验证，对不同说话验证统计方法，实际是从 不同的角度来估计分布p (X | H ) 与p (X | H ) 。 0 1 表 2-1 接受 H 0 拒绝 H 0