版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、語種識(shí)別(Language Identification,LID)是對(duì)一段語音自動(dòng)識(shí)別出其所屬語言的種類的過程。由此可知,語種識(shí)別是一種針對(duì)語音段進(jìn)行的模式識(shí)別,因此語種識(shí)別中的一個(gè)關(guān)鍵問題即是如何得到用以描述語音段的表示。語種識(shí)別中包含了特征提取和語音識(shí)別前端模型等一系列語音信號(hào)處理領(lǐng)域的核心技術(shù),具有一定的科學(xué)研究?jī)r(jià)值。同時(shí)作為語音領(lǐng)域的一種前端處理技術(shù),語種識(shí)別在多語種語音識(shí)別、跨語種通信系統(tǒng)以及軍事監(jiān)聽等領(lǐng)域有著廣泛的應(yīng)用。
2、r> 傳統(tǒng)的語種識(shí)別方法主要有基于音素搭配與基于底層聲學(xué)特征的兩大系統(tǒng)。傳統(tǒng)方法中雖然長(zhǎng)時(shí)測(cè)試性能取得了很大的進(jìn)展,但仍存在著短時(shí)與方言識(shí)別率低等問題。隨著深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network,DNN)的發(fā)展與成功應(yīng)用,語種識(shí)別有了一個(gè)新的研究領(lǐng)域。在前端特征提取上,提出基于深度瓶頸特征結(jié)合全差異空間模型(Deep Bottleneck Feature-Total Variability, DBF-TV),該方法將深度
3、神經(jīng)網(wǎng)絡(luò)中間瓶頸隱層的信息成功運(yùn)用到語種識(shí)別中。在后端建模方法上,則根據(jù)DNN區(qū)分性建模的能力充分利用其輸出層信息,如DNN/i-Vector方法,即利用DNN輸出層音素狀態(tài)后驗(yàn)重新估計(jì)通用背景模型(Universal BackgroundModel,UBM)。然而對(duì)于一個(gè)以底層聲學(xué)特征為輸入、音素狀態(tài)后驗(yàn)為輸出訓(xùn)練得到的深度神經(jīng)網(wǎng)絡(luò),我們認(rèn)為該網(wǎng)絡(luò)從輸入層至輸出層依次反映了語音從底層聲學(xué)特征到高層語義與音素相關(guān)的較為完備的信息,而且各
4、層信息之間具有互補(bǔ)性。因此本文就基于同一DNN不同層信息如何得到語音段的表示展開研究,具體而言即是同時(shí)利用同一神經(jīng)網(wǎng)絡(luò)的中間瓶頸層和輸出層信息。
首先,對(duì)于從深度神經(jīng)網(wǎng)絡(luò)輸出層提取的音素狀態(tài)幀級(jí)特征,可以認(rèn)為其是在各幀上展開的音素狀態(tài)序列,則每段語音可以通過計(jì)算其統(tǒng)計(jì)量作為語音段表示。得到的語音段表示是向量形式的,則可直接用區(qū)分性模型對(duì)其進(jìn)行分類。具體則根據(jù)其特性,使用合適的核函數(shù)進(jìn)行了支持向量機(jī)分類。并根據(jù)神經(jīng)網(wǎng)絡(luò)不同層信息
5、的互補(bǔ)性,將該方法與DBF-TV進(jìn)行融合,能夠提升語種識(shí)別系統(tǒng)的性能。
其次,在帶有中間瓶頸層的深度神經(jīng)網(wǎng)絡(luò)上實(shí)現(xiàn)基于DBF的DNN/i-Vector基線系統(tǒng),同時(shí)完成中間層DBF特征的提取與以輸出層音素狀態(tài)為依據(jù)的聚類,即在模型域?qū)烧哌M(jìn)行融合。具體地,利用DNN輸出層的音素狀態(tài)為聚類的依據(jù),以其后驗(yàn)概率代替每幀特征在傳統(tǒng)UBM模型中各高斯上的占有率,再結(jié)合DBF得到帶有與音素狀態(tài)相關(guān)的UBM。以此為基線,對(duì)DNN/i-Ve
6、ctor系統(tǒng)的輸入特征DBF進(jìn)行Acoustic Factor Analysis(AFA)建模,使其得到的模型能夠更好地描述特征空間,以此進(jìn)一步提升系統(tǒng)的識(shí)別性能。
最后,從深度神經(jīng)網(wǎng)絡(luò)輸出層提取的特征是一種幀級(jí)特征,類似DBF特征亦可以利用統(tǒng)計(jì)建模的方法對(duì)其在幀級(jí)特征空間上的分布特性進(jìn)行描述以得到語音段表示。然而此類特征一般都屬于高維特征,需要在低維空間上對(duì)其分析。我們采用混合因子分析(Mixtures of Factor
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多語種語音情感識(shí)別的研究與實(shí)現(xiàn).pdf
- 語種識(shí)別聲學(xué)建模方法研究.pdf
- 語種識(shí)別深度學(xué)習(xí)方法研究.pdf
- 基于多語種語音信號(hào)的情感識(shí)別研究.pdf
- 基于音素搭配的語種識(shí)別方法研究.pdf
- 基于稀疏表示的語音情感特征學(xué)習(xí)與識(shí)別方法研究.pdf
- 語音識(shí)別中抗噪方法的研究.pdf
- 基于GMM-SVM的廣播語音多語種識(shí)別研究.pdf
- 語種識(shí)別中的隱含語義分析.pdf
- 基于稀疏表示的短語音說話人識(shí)別.pdf
- 語音信號(hào)稀疏表示方法研究.pdf
- 多語種語音合成中的關(guān)鍵技術(shù)研究.pdf
- 說話人確認(rèn)中語音段差異建模相關(guān)問題的研究.pdf
- 基于支持向量機(jī)的語種識(shí)別方法的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的語種識(shí)別方法研究.pdf
- 說話人識(shí)別中語音參數(shù)提取方法的研究.pdf
- 漢語連續(xù)語音識(shí)別中的動(dòng)態(tài)特性建模方法研究.pdf
- 車載語音識(shí)別系統(tǒng)的語音增強(qiáng)方法研究
- 視覺模式識(shí)別中的表示與分類方法研究.pdf
- 車載語音識(shí)別系統(tǒng)的語音增強(qiáng)方法研究.pdf
評(píng)論
0/150
提交評(píng)論