易混淆語音識別技術的研究.pdf

1、易混淆語音是指那些具有相似發(fā)音機理，在聽覺上容易混淆，容易被系統(tǒng)誤識的語音單元。眾所周知，隨著語音識別算法的日趨成熟，易混淆語音的存在成為影響語音識別率的重要因素之一。無論是連續(xù)語音識別還是孤立詞識別，都無法回避這個問題。易混淆語音容易被系統(tǒng)誤識的原因很多，一方面是因為對它們提取的特征矢量沒有完全把它們區(qū)分開，另一方面由于傳統(tǒng)的聲學模型中，所有HMM模型都是由相同數(shù)目的狀態(tài)和GMM組成，而不同發(fā)音單元的發(fā)音時長相差很大，所以傳統(tǒng)的聲學模

2、型不能準確的描述所有的發(fā)音單元。本文主要對語音識別系統(tǒng)中的特征提取部分和聲學模型部分進行了研究，并做出了有效的改進，以便降低系統(tǒng)對易混淆語音的錯誤識別率。
　　 論文的主要工作包括：
　　 1.在分析了常用的幾種特征提取方法的基礎上，利用小波分析在分析非平穩(wěn)信號中的優(yōu)點，結合LPC分析，引入了一種新的特征參數(shù)-WLC參數(shù)(Wavelet based LPCCoefficient， WLC)，提高了易混淆語音的識別精度，并

3、將其與傳統(tǒng)的特征參數(shù)MFCC和LPCC進行了實驗比較。
　　 2.分析了常用的特征分析算法，研究了流形學習方法的思想以及拉普拉斯特征映射算法，通過將局部保持映射算法(Locality Preserving Proj ections， LPP)運用到語音識別系統(tǒng)中，提高了易混淆語音的識別率，并就其在計算過程中遇到的問題給出了解決方法。
　　 3.對HTK平臺進行了詳細的研究和分析，熟悉了基于HTK平臺的HMM模型訓練和性能