面向蒙古語(yǔ)的語(yǔ)音識(shí)別聲學(xué)建模研究.pdf

1、自動(dòng)語(yǔ)音識(shí)別是具有巨大應(yīng)用價(jià)值和廣闊應(yīng)用前景的人機(jī)交互技術(shù)，而聲學(xué)建模則是創(chuàng)建語(yǔ)音識(shí)別系統(tǒng)的關(guān)鍵環(huán)節(jié)與核心技術(shù)，也是語(yǔ)音識(shí)別研究的重點(diǎn)和熱點(diǎn)之一。本文對(duì)蒙古語(yǔ)語(yǔ)音識(shí)別聲學(xué)建模相關(guān)的若干問(wèn)題進(jìn)行了深入的探索和研究。目前，在國(guó)際信息化浪潮的推動(dòng)下，蒙古族自治區(qū)域正在快速步入信息化社會(huì)。在這種歷史背景和條件下，開(kāi)展本文的研究工作，不僅具有重要的學(xué)術(shù)價(jià)值，而且具有積極深遠(yuǎn)的社會(huì)現(xiàn)實(shí)意義，它必將有益于廣大蒙古族同胞生活、學(xué)習(xí)、工作自動(dòng)化程度的提高

2、，必將有益于蒙古族自治區(qū)域信息化水平的提升。
　　本文研究工作在蒙古語(yǔ)語(yǔ)音識(shí)別聲學(xué)建模的模型選擇、相關(guān)支持技術(shù)以及參數(shù)估計(jì)等三個(gè)基本問(wèn)題方面均有所涉及，具體研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　1.蒙古語(yǔ)聲學(xué)模型拓?fù)浣Y(jié)構(gòu)優(yōu)化
　　模型選擇方面，針對(duì)當(dāng)前創(chuàng)建蒙古語(yǔ)語(yǔ)音識(shí)別系統(tǒng)時(shí)只能采用經(jīng)驗(yàn)式或啟發(fā)式方法選擇較大建模對(duì)象（指其讀音由兩個(gè)或兩個(gè)以上的音子構(gòu)成的建模對(duì)象）聲學(xué)模型拓?fù)浣Y(jié)構(gòu)的情形，本文提出了分別基于標(biāo)準(zhǔn)遺傳算法和標(biāo)準(zhǔn)粒群優(yōu)

3、化算法的兩個(gè)蒙古語(yǔ)較大建模對(duì)象聲學(xué)模型拓?fù)浣Y(jié)構(gòu)優(yōu)化算法，并給出了算法實(shí)現(xiàn)相關(guān)問(wèn)題的解決方案和高斯核非均勻分配系統(tǒng)的訓(xùn)練策略。與以往的進(jìn)化方法在其它語(yǔ)言語(yǔ)音識(shí)別領(lǐng)域中的類似應(yīng)用相比，本文算法都具備同時(shí)優(yōu)化模型狀態(tài)數(shù)與各狀態(tài)高斯核數(shù)量、摒棄高斯核均勻分配以及自動(dòng)搜索等優(yōu)點(diǎn)。在驗(yàn)證和應(yīng)用上述模型拓?fù)鋬?yōu)化算法的實(shí)驗(yàn)中，與分別使用一種傳統(tǒng)方法選擇蒙古語(yǔ)較大建模對(duì)象聲學(xué)模型拓?fù)浣Y(jié)構(gòu)的兩組基線系統(tǒng)相比，利用本文算法選擇蒙古語(yǔ)較大建模對(duì)象聲學(xué)模型拓?fù)浣Y(jié)

4、構(gòu)的所有語(yǔ)音識(shí)別系統(tǒng)，其識(shí)別性能均占顯著優(yōu)勢(shì);相對(duì)于表現(xiàn)最好的基線系統(tǒng)，分別使用本文提出的一種算法的兩組拓?fù)鋬?yōu)化系統(tǒng)，其詞準(zhǔn)確率的提升幅度分別達(dá)到了11.52個(gè)百分點(diǎn)和10.42個(gè)百分點(diǎn)。
　　2.蒙古語(yǔ)聲學(xué)模型狀態(tài)聚類:問(wèn)題集設(shè)計(jì)
　　建模相關(guān)支持技術(shù)方面，針對(duì)目前蒙古語(yǔ)語(yǔ)音識(shí)別界亟待設(shè)計(jì)出合理、完善的蒙古語(yǔ)問(wèn)題集以有效支持聲學(xué)建模過(guò)程中基于決策樹(shù)的參數(shù)綁定方法的情形，本文討論了蒙古語(yǔ)問(wèn)題集設(shè)計(jì)中的原則、音子集的選擇、音素

5、表的完善、復(fù)合元音的歸類、松與緊概念的應(yīng)用等關(guān)鍵問(wèn)題的解決方案，給出了一個(gè)蒙古語(yǔ)標(biāo)準(zhǔn)音問(wèn)題集，指出了該問(wèn)題集相對(duì)于已有蒙古語(yǔ)問(wèn)題集的優(yōu)越性。決策樹(shù)方法與數(shù)據(jù)驅(qū)動(dòng)方法的多次對(duì)比實(shí)驗(yàn)中，利用本文蒙古語(yǔ)問(wèn)題集的前者每次都帶來(lái)了略高于后者的系統(tǒng)識(shí)別率，這說(shuō)明本文的蒙古語(yǔ)問(wèn)題集能夠有效支持基于決策樹(shù)的狀態(tài)聚類與綁定方法;問(wèn)題集對(duì)比實(shí)驗(yàn)中，本文給出的問(wèn)題集的表現(xiàn)好于目前已公開(kāi)發(fā)表的其它蒙古語(yǔ)問(wèn)題集，這說(shuō)明它的設(shè)計(jì)更加合理、更為完善。
　　3.

6、蒙古語(yǔ)聲學(xué)模型區(qū)分性訓(xùn)練
　　模型參數(shù)估計(jì)方面，針對(duì)蒙古語(yǔ)口語(yǔ)中的眾多讀音相似的音子的相互誤識(shí)正在嚴(yán)重影響蒙古語(yǔ)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別性能的現(xiàn)狀，本文將通過(guò)增強(qiáng)模型之間的區(qū)分度提高系統(tǒng)識(shí)別性能的區(qū)分性訓(xùn)練技術(shù)首次應(yīng)用在蒙古語(yǔ)語(yǔ)音識(shí)別領(lǐng)域中。具體地，將最大互信息、最小詞錯(cuò)誤和最小音素錯(cuò)誤等區(qū)分性訓(xùn)練準(zhǔn)則系統(tǒng)地應(yīng)用在蒙古語(yǔ)聲學(xué)建模任務(wù)中，設(shè)計(jì)了應(yīng)用方案，解決了訓(xùn)練數(shù)據(jù)列表的自動(dòng)調(diào)整、訓(xùn)練語(yǔ)料外三音子模型的合成、文本文件的自動(dòng)生成與處理等若

7、干技術(shù)問(wèn)題，提出并實(shí)現(xiàn)了能夠直觀了解區(qū)分性訓(xùn)練效果的音子級(jí)解碼和基于混淆矩陣的解碼結(jié)果對(duì)比方案，基于區(qū)分性訓(xùn)練系統(tǒng)及其基線系統(tǒng)的混淆矩陣，發(fā)現(xiàn)和總結(jié)了蒙古語(yǔ)音子在語(yǔ)音識(shí)別過(guò)程中的元音和輔音之間很少發(fā)生誤識(shí)現(xiàn)象、弱短元音是元音與輔音相互誤識(shí)情況中的主要的元音音素、容易相互誤識(shí)的輔音只有有限的若干對(duì)等誤識(shí)規(guī)律。實(shí)驗(yàn)結(jié)果表明，各種準(zhǔn)則的區(qū)分性訓(xùn)練均能使蒙古語(yǔ)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率得到較大幅度的提高，區(qū)分性訓(xùn)練系統(tǒng)的詞準(zhǔn)確率的提升幅度最高達(dá)到了6

8、.44個(gè)百分點(diǎn)。
　　4.蒙古語(yǔ)聲學(xué)模型自適應(yīng)訓(xùn)練
　　同樣在模型參數(shù)估計(jì)方面，針對(duì)基于眾多說(shuō)話人語(yǔ)料創(chuàng)建的蒙古語(yǔ)非特定人語(yǔ)音識(shí)別系統(tǒng)在交付給特定說(shuō)話人使用時(shí)識(shí)別率不理想的情形，本文將通過(guò)重估模型參數(shù)使系統(tǒng)聲學(xué)模型更具特定說(shuō)話人特征的說(shuō)話人自適應(yīng)技術(shù)首次應(yīng)用在蒙古語(yǔ)語(yǔ)音識(shí)別領(lǐng)域中。具體地，在設(shè)計(jì)應(yīng)用方案并解決回歸類樹(shù)葉子結(jié)點(diǎn)數(shù)的設(shè)置等若干技術(shù)問(wèn)題的基礎(chǔ)上，將最大似然線性回歸類算法和最大后驗(yàn)概率類算法系統(tǒng)地應(yīng)用在蒙古語(yǔ)聲學(xué)建模

9、任務(wù)中。此外，本文還探索了說(shuō)話人自適應(yīng)技術(shù)的更深層次的用途:對(duì)說(shuō)話人自適應(yīng)算法以及它們的有效組合在蒙古語(yǔ)聲學(xué)建模過(guò)程中的性別自適應(yīng)效果進(jìn)行了實(shí)驗(yàn)驗(yàn)證，并在利用說(shuō)話人自適應(yīng)算法進(jìn)行蒙古語(yǔ)方言土語(yǔ)的自適應(yīng)方面做了一些探索性的工作。實(shí)驗(yàn)結(jié)果表明，各種參數(shù)變換的說(shuō)話人自適應(yīng)算法均能使蒙古語(yǔ)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率得到較大幅度的提高，它們帶來(lái)的詞準(zhǔn)確率的提升幅度最高達(dá)到了32.75個(gè)百分點(diǎn);說(shuō)話人自適應(yīng)技術(shù)在蒙古語(yǔ)聲學(xué)建模中具有很好的性別自適應(yīng)效果，