基于深度學(xué)習(xí)的漢語語音關(guān)鍵詞檢測方法研究.pdf

1、語音關(guān)鍵詞檢測是一種從連續(xù)的語音流中檢測預(yù)定義的一組關(guān)鍵詞的技術(shù)，它的一種主流方法是基于大詞匯量連續(xù)語音識(shí)別器(Large Vocabulary Continuous Speech Recognition,LVCSR)的?；谡Z音識(shí)別器的關(guān)鍵詞檢測系統(tǒng)主要有兩個(gè)階段——解碼階段和檢測階段，語音識(shí)別器的性能對關(guān)鍵詞檢測的性能有很大影響。
　　傳統(tǒng)的關(guān)鍵詞檢測是用GMM(Gaussian Mixture Model)和HMM(Hidd

2、en Markov Model)結(jié)合的GMM-HMM模型作為LVCSR的聲學(xué)模型，其識(shí)別率不高。近年來深度學(xué)習(xí)技術(shù)對語音識(shí)別產(chǎn)生了巨大影響，人們對DNN(Deep Neural Network)替代GMM組成DNN-HMM聲學(xué)模型進(jìn)行了深入研究。本文研究在關(guān)鍵詞檢測中用DNN-HMM聲學(xué)模型替代GMM-HMM聲學(xué)模型，并在DNN-HMM聲學(xué)模型的基礎(chǔ)上建立關(guān)鍵詞檢測系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，基于DNN-HMM模型的語音識(shí)別器相比基于GMM-H

3、MM模型的語音識(shí)別器識(shí)別率更高，關(guān)鍵詞檢測系統(tǒng)的性能也更好。
　　針對基于LVCSR的關(guān)鍵詞檢測兩階段間缺乏緊密聯(lián)系的問題，本文在DNN-HMM聲學(xué)模型的基礎(chǔ)上，研究了在聲學(xué)模型的訓(xùn)練階段，對關(guān)鍵詞賦予較大的權(quán)重以提高模型對關(guān)鍵詞的建模能力。因此，本文考慮在區(qū)分性訓(xùn)練中，利用側(cè)重關(guān)鍵詞的非均勻準(zhǔn)則進(jìn)行訓(xùn)練。本文首先研究了對關(guān)鍵詞進(jìn)行側(cè)重的非均勻MCE(Minimum Classification Erro)準(zhǔn)則，然后用非均勻MCE

4、準(zhǔn)則對聲學(xué)模型參數(shù)進(jìn)行優(yōu)化。非均勻MCE準(zhǔn)則中關(guān)鍵詞的權(quán)重系數(shù)對識(shí)別結(jié)果有一定影響，固定權(quán)重系數(shù)的缺點(diǎn)是較大的權(quán)重系數(shù)可能導(dǎo)致過訓(xùn)練。因此本文研究利用AdaBoost(Adaptive Boosting)算法來動(dòng)態(tài)調(diào)整非均勻MCE訓(xùn)練過程中的權(quán)重系數(shù)，AdaBoost算法可以避免非均勻MCE準(zhǔn)則中的過訓(xùn)練問題，提高模型的泛化能力。實(shí)驗(yàn)結(jié)果表明，基于AdaBoost算法的非均勻MCE準(zhǔn)則的關(guān)鍵詞檢測性能更好。此外，本文還研究了非均勻sMB