漢語廣播語音識別系統(tǒng)的研究.pdf

1、廣播語音識別技術的研究是當前大詞匯量連續(xù)語音研究的一個熱點問題。廣播電視新聞節(jié)目包括了說話人、方言口音、聲道變化、聲學環(huán)境的一系列聲學的復雜特征，對于語音技術的實用化研究是一種理想的研究對象，對于語音技術走向實用化方面有著重大的意義。本文針對廣播語音識別系統(tǒng)中的關鍵問題，在以下幾個方面進行了廣泛和深入的研究。 首先，在廣播語音的音頻數據切分方面，本文提出了一種基于檢測熵變化趨勢的變窗長音頻特征跳變點檢測方法。本文提出的方法在一個

2、固定的數據窗內，通過檢測窗內所有可能跳變點的熵的變化趨勢來最終確定真實的音頻跳變點。這種方法不同于傳統(tǒng)的基于BIC準則的音頻跳變點檢測方法，避免了由于設定固定門限而導致引起漏檢和數據積累帶來的累積誤差。在分類的過程中，用分組高斯方法代替?zhèn)鹘y(tǒng)的高斯混合模型(GMM)分類器，取得了更加準確的分類結果，實現(xiàn)了快速高效的基于矢量量化的多碼本聚類算法。 其次，在廣播語音識別系統(tǒng)的自適應訓練方面，本文提出了一種基于子空間聚類的多層MLLR自

3、適應算法，這種算法在子空間框架下對高斯模型進行聚類，基于目標驅動的原則，通過引入反饋機制，根據自適應數據的似然概率的增加動態(tài)的決定自適應變換類的數目。通過采取子空間聚類的策略，大大減少了待估計參數的數目。實驗結果表明，本方法在自適應數據比較少的情況下，有著比傳統(tǒng)基于自適應回歸樹算法更高的識別率。在無監(jiān)督自適應方面，本文對可信度機制做了一些探討，通過合理的引入可信度機制可以提高系統(tǒng)無監(jiān)督自適應的性能。 最后，在廣播語音的聲學建模方

4、面，針對現(xiàn)有對角方差建模的缺陷與不足，在空間旋轉變換的理論基礎上，結合部分方差共享(STC)的模型補償方法，本文提出一種基于共享狀態(tài)空間旋轉變換的相關特征建模方法(TyingSSR)。通過狀態(tài)空間旋轉變換方法(SSR)，在變換后的新的特征空間實現(xiàn)解相關的目的，在新的不相關的空間采用對角方差建模技術對聲學特征進行精確建模。以似然概率損失最小為原則，對變換矩陣進行合并共享，通過BIC準則方法確定最終的合并類數，最后用部分方差共享技術對變換矩