易混淆語音識(shí)別技術(shù)的研究.pdf

1、易混淆語音是指那些具有相似發(fā)音機(jī)理，在聽覺上容易混淆，容易被系統(tǒng)誤識(shí)的語音單元。眾所周知，隨著語音識(shí)別算法的日趨成熟，易混淆語音的存在成為影響語音識(shí)別率的重要因素之一。無論是連續(xù)語音識(shí)別還是孤立詞識(shí)別，都無法回避這個(gè)問題。易混淆語音容易被系統(tǒng)誤識(shí)的原因很多，一方面是因?yàn)閷?duì)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(xué)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(shí)長相差很大，所以傳統(tǒng)的聲學(xué)模

2、型不能準(zhǔn)確的描述所有的發(fā)音單元。本文主要對(duì)語音識(shí)別系統(tǒng)中的特征提取部分和聲學(xué)模型部分進(jìn)行了研究，并做出了有效的改進(jìn)，以便降低系統(tǒng)對(duì)易混淆語音的錯(cuò)誤識(shí)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(chǔ)上，利用小波分析在分析非平穩(wěn)信號(hào)中的優(yōu)點(diǎn)，結(jié)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(shí)別精度，并

3、將其與傳統(tǒng)的特征參數(shù)MFCC和LPCC進(jìn)行了實(shí)驗(yàn)比較。
　　 2.分析了常用的特征分析算法，研究了流形學(xué)習(xí)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(yùn)用到語音識(shí)別系統(tǒng)中，提高了易混淆語音的識(shí)別率，并就其在計(jì)算過程中遇到的問題給出了解決方法。
　　 3.對(duì)HTK平臺(tái)進(jìn)行了詳細(xì)的研究和分析，熟悉了基于HTK平臺(tái)的HMM模型訓(xùn)練和性能