基于音素搭配的語(yǔ)種識(shí)別方法研究.pdf

1、語(yǔ)種識(shí)別是指利用計(jì)算機(jī)自動(dòng)地判斷給定的語(yǔ)音屬于哪一個(gè)語(yǔ)種的過程。隨著國(guó)際交流的日益頻繁，語(yǔ)種識(shí)別在軍事情報(bào)搜集、電話自動(dòng)轉(zhuǎn)接系統(tǒng)、多語(yǔ)種語(yǔ)音識(shí)別前端等方面顯現(xiàn)出越來(lái)越重要的應(yīng)用價(jià)值。 根據(jù)使用特征和建模方法的不同，主流的語(yǔ)種識(shí)別系統(tǒng)主要分為兩大類：基于聲學(xué)特征的方法和基于音素搭配關(guān)系的方法。其中，基于音素搭配的語(yǔ)種識(shí)別方法首先使用語(yǔ)音識(shí)別技術(shù)將語(yǔ)音轉(zhuǎn)化為音素序列，然后利用不同語(yǔ)種音素搭配規(guī)律的不同進(jìn)行語(yǔ)種識(shí)別。基于音素搭配的方法

2、以其穩(wěn)定、良好的性能和巨大的發(fā)展空間引起了越來(lái)越多的研究者的重視。本論文圍繞基于音素搭配的語(yǔ)種識(shí)別方法進(jìn)行了較系統(tǒng)的研究，完整地搭建了從音素識(shí)別器到語(yǔ)種模型的語(yǔ)種識(shí)別系統(tǒng)，并在提高系統(tǒng)性能、降低算法復(fù)雜度方面取得了一定的進(jìn)展。具體的研究工作包括： 第一，比較了相同條件下用不同方法訓(xùn)練的音素識(shí)別器的性能，證明了TRAP-MLP策略訓(xùn)練的音素識(shí)別器在語(yǔ)種識(shí)別任務(wù)上相對(duì)于傳統(tǒng)語(yǔ)音識(shí)別中采用的GMM-HMM策略的優(yōu)越性。 第二，

3、針對(duì)Lattice在語(yǔ)種識(shí)別中應(yīng)用算法復(fù)雜度極高的問題，在證明遍歷Lattice中全部路徑等效于遍歷全部相鄰邊的基礎(chǔ)上，提出了一種計(jì)算有限階次的N-Gram統(tǒng)計(jì)量的快速算法，極大地降低了算法復(fù)雜度。 第三，在統(tǒng)計(jì)語(yǔ)言模型方面：a)，針對(duì)N-Gram語(yǔ)言模型在語(yǔ)種識(shí)別中的應(yīng)用特點(diǎn)，提出了在語(yǔ)種識(shí)別中應(yīng)用不同順序的N-Gram語(yǔ)言模型的方法，利用它們之間的互補(bǔ)性改進(jìn)了性能；b)，利用從UBM自適應(yīng)到N-Gram語(yǔ)言模型的訓(xùn)練方法，進(jìn)

4、一步緩解了數(shù)據(jù)稀疏問題；c)，比較了N-Gram語(yǔ)言模型和二叉決策樹模型的性能。 最后，在PR-SVM體系中：a)，因?yàn)樘卣骶S數(shù)隨階次指數(shù)增長(zhǎng)，產(chǎn)生了特征向量稀疏和參數(shù)估計(jì)不準(zhǔn)確的問題，為此本論文提出了Back-Off平滑和UBM自適應(yīng)兩種SVM特征參數(shù)估計(jì)的改進(jìn)方法，緩解了稀疏問題，這兩種方法的融合還能進(jìn)一步提升系統(tǒng)性能；b)，特征維數(shù)過高導(dǎo)致的另一個(gè)問題是存儲(chǔ)和計(jì)算困難，簡(jiǎn)單地剪枝方法又會(huì)造成信息的丟失，本文提出了一種利用二