一種用于抗噪語(yǔ)音識別的動(dòng)態(tài)參數補償新方法
加入技術(shù)交流群
與機器進(jìn)行語(yǔ)音交流，是人們長(cháng)期以來(lái)夢(mèng)寐以求的事情。語(yǔ)音識別技術(shù)就是讓機器通過(guò)識別和理解過(guò)程把語(yǔ)音信號轉變?yōu)橄鄳奈谋净蛎畹募夹g(shù)，其被認為是2000年至2010年間信息技術(shù)領(lǐng)域十大重要的科技發(fā)展技術(shù)之一。在語(yǔ)音識別中，當識別器的訓練環(huán)境同應用環(huán)境不同時(shí)，其性能會(huì )急劇下降。為了解決這一問(wèn)題，各種技術(shù)方法陸續地被提了出來(lái)，這些技術(shù)方法主要分為三大類(lèi)：1)語(yǔ)音魯棒特征的表達和提取技術(shù)；2)語(yǔ)音增強技術(shù)；3)模型補償技術(shù)。關(guān)于這些方法的詳細回顧可參見(jiàn)文獻。本文的討論重點(diǎn)是模型補償技術(shù)。模型補償技術(shù)主要是通過(guò)合并純凈語(yǔ)音模型與噪聲模型，從而產(chǎn)生出用于識別的帶噪語(yǔ)音模型。文獻中已經(jīng)證明PMC方法是一種非常有效的模型補償方法，它能產(chǎn)生出具有魯棒性的帶噪語(yǔ)音模型，這些文獻中并且給出了幾種不同的PMC方法。在這些PMC方法中，一些諸如數字積分PMC(Numerical Integral PMC)和數據驅動(dòng)PMC(Date―driven PMC)方法能夠獲得很佳的識別率，但是這些方法的運算復雜度巨大，很難運用到實(shí)際應用中去。另一方面，一些諸如對數_力口PMC(Log-Add PMC)和對數．正態(tài)PMC(Log―Normal PMC)方法通過(guò)使用較簡(jiǎn)單的估計方法來(lái)生成帶噪語(yǔ)音模型，這樣在很低信噪比的條件下識別效果不是很令人滿(mǎn)意。其中Log-Normal PMC方法對靜態(tài)模型參數給出一個(gè)嚴格的補償方案，但是對動(dòng)態(tài)模型參數，到目前為止只能對其均值進(jìn)行簡(jiǎn)單的補償。雖然這種動(dòng)態(tài)的均值補償可以提高識別率，但是算法仍有改進(jìn)的空間，使其能夠為動(dòng)態(tài)的協(xié)方差參數提供補償。
為了解決這一問(wèn)題，本文提出了一種新的動(dòng)態(tài)模型補償方法(DPCM)。DPCM選定語(yǔ)音特征與噪聲特征的差為一個(gè)新的附加隨機變量，并假設該附加變量與語(yǔ)音和噪聲特征的導數之間均相互統計獨立。這樣，動(dòng)態(tài)特征的補償即可通過(guò)數學(xué)的方法來(lái)解決。此外新的DPCM可以同任何已知的靜態(tài)補償方法結合生成新的帶噪語(yǔ)音模型。實(shí)驗結果也證明使用該DPCM可以提供更好的識別率。
本文定義和使用一致的域標號。上標l表示對數功率譜域，無(wú)上標的則表示Mel線(xiàn)性功率譜域。估計出的噪聲模型參數用～標記，補償出的帶噪語(yǔ)音模型參數用^標記。
2 模型補償技術(shù)
模型補償技術(shù)是根據應用環(huán)境的背景噪聲情況，通過(guò)修正純凈語(yǔ)音特征的統計模型產(chǎn)生出一個(gè)更接近真實(shí)帶噪語(yǔ)音特征的統計模型。圖1是一個(gè)基本模型補償方案框圖，輸入為一個(gè)純凈的語(yǔ)音模型(目前一般采用HMM對語(yǔ)音建模)和一個(gè)估計出的噪聲模型?？偟膩?lái)講，模型補償依據補償進(jìn)行的域不同可以分為兩類(lèi)：線(xiàn)性譜域補償算法和對數譜域補償算法。
評論