基于BN特征的聲學建模研究及其在關(guān)鍵詞檢索中的應用.pdf

1、基于大詞匯量連續(xù)語音識別的語音檢索是多媒體檢索中的重要研究方向。本論文針對語音檢索中的語音識別及關(guān)鍵詞檢索進行研究，研究主要包括以下三個方面的內(nèi)容:第一，建立基于bottleneck(BN)特征的聲學模型用于語音識別;第二，提出優(yōu)化BN特征提取網(wǎng)絡的方法，進一步提升識別率。第三，建立關(guān)鍵詞檢索系統(tǒng)并提出優(yōu)化方法，提升檢索性能。
　　基于BN特征的聲學建模方法結(jié)合了基于混合高斯模型和基于深層神經(jīng)網(wǎng)絡的識別系統(tǒng)這兩者的方法和優(yōu)勢。該方

2、法通過訓練一個具有狹小中間隱層的bottleneck神經(jīng)網(wǎng)絡來提取BN特征，然后使用該特征訓練基于混合高斯模型的識別系統(tǒng)，并進一步采用區(qū)分性訓練技術(shù)提升識別性能。針對低資源語種中存在的問題，本文提出采用音調(diào)特征和音調(diào)建模、噪聲處理、跨語種訓練等優(yōu)化方法提升聲學模型的建模能力。
　　為了進一步提升基于BN特征的識別系統(tǒng)性能，本文提出了優(yōu)化BN特征提取網(wǎng)絡的方法。本文采用最大狀態(tài)互信息準則(sMMI)和最小音素錯誤率準則(MPE)這兩

3、種不同的區(qū)分性目標函數(shù)來優(yōu)化網(wǎng)絡及模型參數(shù)。在網(wǎng)絡更新方式上分別提出了只更新網(wǎng)絡最后一層和更新全部網(wǎng)絡參數(shù)的訓練方法。本文提出的優(yōu)化方法使用全部訓練數(shù)據(jù)計算梯度，適合于并行計算。
　　考慮到語音識別中會存在錯誤，關(guān)鍵詞檢索需要在多候選詞格上進行。本文采用了基于混淆網(wǎng)絡的檢索方法和基于加權(quán)有限狀態(tài)轉(zhuǎn)換器的檢索方法用來獲得關(guān)鍵詞在詞格中的位置和得分;其次，分別采用了閾值判決、關(guān)鍵詞相關(guān)規(guī)整方法和得分累加為一的規(guī)整方法用于置信度判決;最