連續(xù)語音中關(guān)鍵詞快速檢出的研究.pdf

1、關(guān)鍵詞檢出是語音識別中一個重要的研究領(lǐng)域，它是在連續(xù)語音流中識別出一組給定詞的過程，具有識別率高、實用性強、時間耗費少等優(yōu)點。
　　本文的主要研究內(nèi)容是連續(xù)語音中關(guān)鍵詞的快速檢出，要求在保持良好識別性能的前提下，盡可能地降低系統(tǒng)的識別時間，以便于實時環(huán)境下的應(yīng)用。
　　本文詳細討論關(guān)鍵詞檢出系統(tǒng)中使用的Viterbi搜索算法的原理和特點，然后實現(xiàn)一個基于連續(xù)隱馬爾科夫模型的關(guān)鍵詞檢出基線系統(tǒng)，對其中各個模塊進行簡要介紹。所實

2、現(xiàn)的系統(tǒng)基于離線垃圾模型，并使用令牌傳遞（Token Passing）算法進行在線識別。針對基線系統(tǒng)實時性不高的問題，本文在多個方面對其進行了實時性方面的改進。
　　首先，考慮到語音信號的復(fù)雜性，一般采用高斯混合模型對觀察概率進行建模?；陔[馬爾科夫模型的關(guān)鍵詞檢出系統(tǒng)中，計算觀察概率通常占據(jù)全部識別時間的很大一部分。因此，提高觀察概率的計算效率對改進系統(tǒng)實時性有很大意義。本文在最近鄰快速估算算法的基礎(chǔ)上，提出一種稱作相鄰幀特征相

3、似性的方法。它依據(jù)相鄰幀之間的高相似性，根據(jù)產(chǎn)生前一幀特征矢量的若干個最大的混合分量，有效預(yù)測當(dāng)前幀所使用的最大高斯混合分量。與基線系統(tǒng)相比，這種方法能夠降低29.3％的識別時間，而系統(tǒng)性能僅有略微的下降。
　　其次，本文分析 Viterbi Beam搜索算法的缺陷發(fā)現(xiàn)，基本的Viterbi Beam搜索使用固定的裁剪門限，出于檢出率方面的考慮，只能設(shè)置保守的門限寬度，不能根據(jù)解碼過程中各階段的特點和語音幀的聲學(xué)特點來動態(tài)的改變門

4、限，系統(tǒng)實時性不夠高。本文引入自適應(yīng)裁剪，提出一種基于分位數(shù)的裁剪策略。與基線系統(tǒng)相比，這種方法能夠降低35%的識別時間，而系統(tǒng)識別性能維持不變。
　　再次，解碼過程中，通常省略觀察矢量序列的先驗概率。這種方法只是從所有詞序列中識別出相對最匹配的詞串，但是其置信度不一定足夠高。本文提出一種稱作置信度累加的剪枝方法，在通?；谒迫环植眉舻幕A(chǔ)上，添加一層基于置信度的裁剪，有效地控制搜索過程使其向著置信度高的方向擴展。與基線系統(tǒng)相比，