基于互信息估計(jì)的連續(xù)數(shù)字語(yǔ)音識(shí)別.pdf

1、該文以互信息理論為基礎(chǔ),從語(yǔ)音模式間的交互信息量的角度,研究了一個(gè)完整的語(yǔ)音識(shí)別系統(tǒng)的各個(gè)組成部分,其中包括預(yù)處理、參考模式的訓(xùn)練、連續(xù)識(shí)別算法以及后續(xù)處理部分.預(yù)處理部分主要研究了語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)技術(shù),不僅包括安靜環(huán)境下的語(yǔ)音信號(hào)端點(diǎn)檢測(cè),還考慮了在較低信噪比的情況下端點(diǎn)的準(zhǔn)確檢測(cè),研究了基于倒譜參數(shù)的端點(diǎn)檢測(cè)算法,實(shí)驗(yàn)表明在信噪比較低的環(huán)境下,傳統(tǒng)檢測(cè)算法性能明顯下降,而基于倒譜參數(shù)的檢測(cè)算法顯示了良好性能.參考模式的訓(xùn)練方面,該

2、文采用了改進(jìn)的K均值算法MKM算法,聚類(lèi)的類(lèi)別數(shù)由事先指定,將訓(xùn)練得到的語(yǔ)音參數(shù)文件聚類(lèi)成有限的幾個(gè)類(lèi)別作為參考模式,需要注意的是這里的聚類(lèi)針對(duì)的是不同幀長(zhǎng)的語(yǔ)音模式,文中研究了兩種求聚類(lèi)中心的方法,一是語(yǔ)音模式都映射到平均幀長(zhǎng)上求中心,另一種是求一個(gè)最有代表性的模式作為中心.連續(xù)識(shí)別算法作為該文的重點(diǎn)內(nèi)容,在互信息估計(jì)的現(xiàn)有成果的基礎(chǔ)上,提出了兩種算法MI_OneStage算法和MIM_LB算法,實(shí)驗(yàn)表明兩種算法在連續(xù)數(shù)字的識(shí)別任務(wù)上

3、是有效的,在僅采用二階、三階LPCC特征參數(shù)的條件下,識(shí)別性能與傳統(tǒng)算法采用十二階特征參數(shù)時(shí)性能相當(dāng).后續(xù)處理模塊,該文從語(yǔ)音的聲調(diào)模型和聲韻切分模型兩個(gè)方面進(jìn)行了初步的研究,漢語(yǔ)數(shù)字中存在幾個(gè)易混數(shù)字對(duì),"6[liu4]"和"9[jiu3]"、"2[er4]"和"8[ba1]"及"1[yi1]"和"7[qi1]",它們的主要區(qū)別在于聲高和聲母的發(fā)音,因此基于聲調(diào)和切分出的聲母可以更好的提高易混數(shù)字對(duì)的正識(shí)率.該文第七章給出了實(shí)驗(yàn)的一些