基于回歸神經(jīng)網(wǎng)絡的語音識別抗噪研究.pdf

1、隨著移動互聯(lián)網(wǎng)時代的快速發(fā)展，語音識別應用變得越來越普及，語音交互由于其便捷性也逐漸被大眾所接受。但是語音識別過程中環(huán)境噪聲以及不同設備的信道多樣性制約著自動語音識別系統(tǒng)的大規(guī)模應用。近年來，深度神經(jīng)網(wǎng)絡（Deep Neural Network，DNN）被成功應用到自動語音識別系統(tǒng)中，基于大數(shù)據(jù)訓練，DNN相對于傳統(tǒng)方法有著更好的魯棒性，但是DNN在噪聲環(huán)境下仍面臨著識別率差的問題。而且，由于深度神經(jīng)網(wǎng)絡模型的特點，許多傳統(tǒng)的抗噪方法很

2、難被直接使用。為此，本文主要做了如下工作:
　　（一）本文在800小時的大規(guī)模訓練數(shù)據(jù)下探索不同回歸神經(jīng)網(wǎng)絡結構的建模能力，包括輸入輸出結構，DNN-Autoencoder結構，激活函數(shù)選擇等，通過實驗對比得到最優(yōu)的神經(jīng)網(wǎng)絡結構。該方法通過DNN強大的非線性建模能力學習噪聲語音特征與干凈語音特征的映射關系，然后將處理后的帶躁語音輸入至語音識別系統(tǒng)中進行語音識別從而提高語音識別率。本文的最優(yōu)網(wǎng)絡結構將噪聲語音的詞錯誤率從23.8％降

3、低到18.2％，性能相對提升23.5％。
　?。ǘ┍疚氖状螌⒒旌厦芏染W(wǎng)絡（Mixture Density Network，MDN）應用到抗噪語音識別?；旌厦芏染W(wǎng)絡將目標特征擬合為混合高斯分布，通過最大似然函數(shù)優(yōu)化神經(jīng)網(wǎng)絡，實驗表明，MDN能夠帶來相對DNN有5.0％的詞錯誤率下降，相對DNN有更強的擬合能力。
　?。ㄈ┍疚膶⒒貧w神經(jīng)網(wǎng)絡應用到了遠場語音識別以及頻譜擴寬中。遠場語音主要為卷積噪聲，本文實驗表明回歸神經(jīng)網(wǎng)絡對