基于語音數據異質性信息處理的聲學建模研究.pdf

1、摘要摘要語音信號中包含豐富的信息，除文本內容外還包括很多與語音識別任務無關的部分。這些信息的典型來源包括說話人性別、年齡、情緒、說話風格、背景噪聲、傳輸信道等因素，在本文中被統一定義為異質性信息。對語音數據異質性信息的處理正日趨成為當前語音識別界研究的重點之一，其原因有二首先，異質性因素的存在將會導致聲學模型參數的非線性畸變，從而造成誤識率的升高和模型推廣能力的下降其次，隨著語音識別技術的發(fā)展，越來越多的異質性相對明顯的現場數據參與到了

2、聲學模型的訓練過程中。因此無論從研究的必要性還是從緊迫性方面來看，數據異質性信息的處理問題都墮待解決。認識問題的過程是分析和綜合的統一。作為全文立論的基礎之一，本文對當前主流語音識別系統的框架結構和作為本文主要研究對象的聲學模型的訓練準則進行了全面綜述，一方面界定本文的研究目的和意義，另一方面指出區(qū)分度訓練對于解決語音數據異質性問題大有裨益。作為全文立論的基礎之二，我們多方面分析了異質性信息對語音數據分類和建?？赡茉斐傻挠绊?。在這些基礎

3、之上，本文對目前可行的解決方法做了全面的總結，并依據算法的實質將它們分為多套模型分而治之、消除、描述和利用四大類。分析的目的是為了綜合，并提出解決方案。為此我們分別進一步研究了多套模型分而治之、消除、描述幾種策略，并遵循“在變化中尋找相對不變性，并為之建?！钡闹笇枷耄岢隽艘环N協同消除和描述策略的解決方案。本文針對語音數據中蘊含的異質性信息問題進行了深入的研究，涉及到了許多語音識別的基本問題，主要的工作和貢獻有:.提出了一種基于非語境

4、因素擴展決策樹技術和輸出分布援蓋度測度的分析方法，這種方法不但可以定性反映異質性因素對于語音數據分類和建?？赡茉斐傻挠绊?，而且在一定程度上進行定量描述提出了一種基于最大似然增益的模型組合算法，該算法一方面可以避免由于數據分類建模而可能帶來的訓練數據稀疏問題，同時包含一套靈活的模型組合和選擇機制:.發(fā)展了一種推廣的特征空間說話人自適應訓練算法，將說話人自適應訓練對于數據異質性的消除能力推廣到了聲學模型的參數共享機制中，從而進一步提高了模型

5、的推廣能力.將因素分析方差建模技術應用到說話人識別系統中，并研究了在訓練數據嚴重稀疏條件下的多種模型參數共享技術，顯著提高了說話人識別系統的性能。借助因素分析，本文還研究了MFCC各維特征對說話人識別任務的貢獻如頁英文摘要OnProcessingOfExtraneousAcousticVariationsandAcousticModelinginSpeechRecognitionAuthor:DINGPengSupervisor:XUB

6、oAbstractTherearemanykindsofunwantedvariabilitiesotherthanphoneticvariationscontainedinspeechsignalswhichmightcausedbydiferentspeakersspeakingstyleschanneloracousticenvironments.Sincethosevariationsexistedinthedataarenot

7、directlyrelatedtothemodelingpurposeinthispapertheyarenamedasextraneousacousticvariationsThehighnecessitiestodealwiththeextraneousacousticvariationsaretwofolds.Foronethinginthetrainingphasetheestimatedmodelmaybedivergedsu

8、bstantially飾alsomodelingextraneousvariations.Forthesecondthinginrecentyearstherehasbeenatrendtowardsusingfoundtrainingdatainwhichgreatervariabilitycanbeseenthanthespeciallycollecteddatatobuildspeechrecognitionsystems.Tos

9、olvetheprobleminthisthesiswefirstpresentedacomprehensiveanalysisontheefectsofextraneousacousticvariationsmayimposeontheclassificationandmodelingofspeechdata.Thenwebrieflyreviewandcategorizethepossiblesolutionsintodividea

10、ndconquerremovalmodelingandutilizationfourbroadclasses.Afterhavingtakenthedivideandconquerremovalmodelingstrategiesintofurtherstudiesweproposeasynergywhichcombinesfeaturespacespeakeradaptivetrainingandsemitiedcovariancem

11、odeltodealwiththeproblem.Inthisthesiswepresentedacomprehensivestudyontheprocessingofextraneousacousticvariations.Theefortsarefollowings:.Weproposeasimplebutwhatextenttheimpactconvenientanalysisschemetoexplicitlyshowtoofo

12、fofvarioussourcesspeechdata飾theextraneousvariationsimposedontheclassificationandmodelinggeneralfeaturesdecisiontree(GFDT)andOutputcoveragemeasure.AnewframeworkbasedonGFDTnamedasmaximumlikelihoodmodelcombinationisintroduc

13、ed.Byusingthisframeworkthetrainingdatasparseproblembroughtbytrainingdatasplittingcommonlyemployedinthedivideandconquerstrategycanbealeviatedandaflexiblemodelselectionprocedureisadvanced.Weextendsthefeaturespacespeakerada