基于語音反演機器學習方法的聲道模型研究.pdf

1、由于協(xié)同發(fā)音的影響，自動語音識別系統(tǒng)的性能會受到影響。已有的研究表明結合發(fā)音信息可以提高語音識別系統(tǒng)的性能，但是發(fā)音信息在話音環(huán)境中并不容易得到，因此語音反演被提了出來。語音反演是一種從語音信號中預測發(fā)音軌跡或者聲道配置的方法。如果能夠準確地預測發(fā)音信息，這些發(fā)音信息還能有助于語音合成、語言獲取以及語音可視化等。
　　論文首先提出使用聲道變量作為發(fā)音信息（代替?zhèn)鹘y(tǒng)的球狀軌跡）來模式化語音動態(tài)，并比較了聲道變量和球狀軌跡的預測性能和

2、非唯一性。論文將語音分別參數(shù)化為梅爾倒譜系數(shù)，感知線性預測倒譜系數(shù)和線性預測倒譜系數(shù)，并使用混合密度網(wǎng)絡來預測聲道變量和球狀軌跡。實驗結果表明聲道變量比球狀軌跡能被更準確地預測。另外，論文使用基于模型的統(tǒng)計公式計算聲道變量和球狀軌跡的標準化的非唯一性，結果表明對于相同的六個輔音，聲道變量的非唯一性比球狀軌跡的非唯一性低。
　　論文另一個研究內容為使用四種不同的語音反演的機器學習方法，即前饋人工神經網(wǎng)絡、自回歸人工神經網(wǎng)絡、遠端監(jiān)督