Robust語音識別方法研究.pdf

1、該文研究環(huán)境失配情況下的提高語音識別系統(tǒng)魯棒性的方法.以基于HMM的語音識別系統(tǒng)為基礎,提出在系統(tǒng)級提高識別系統(tǒng)魯棒性的識別方法.首先從語音受污染的機理以及統(tǒng)計建模的角度分析、闡述了環(huán)境失配造成識別性能下降的原因.對特征參數級的失配補償的兩種方法(CMN和RASTA)的原理進行了分析,并通過實驗驗證了其有效性.其次,根據人類聽覺感知語音信息的機理,該文采用從多個子帶獨立提取特征信息,并通過這些信息的互補和融合,去進行對語音傳輸信道失配影

2、響的補償.基于此,該文提出了一種基于子帶HMM和神經網絡融合的識別方法,在這種方法中,采用了基于子帶的多子系統(tǒng)的結構框架,系統(tǒng)由N個子帶系統(tǒng)和一個語音全頻帶子系統(tǒng)組成,每個子系統(tǒng)獨立提取Mel倒譜參數,并獨立訓練、建立子系統(tǒng)的HMM模型.通過對比實驗,證實了該方法提高了系統(tǒng)的識別魯棒性,并表明了子系統(tǒng)間信息的互補和融合的有效性.最后,為進一步提高系統(tǒng)識別在失配下的魯棒性,該文提出了一種使用背景模型,以似然比評分代替概率評分作為最后判決依