【摘 要】
：
本文提出了一种基于状态子空间聚类的多层MLLR自适应算法.该方法根据不同维数特征之间的相关性不同的原则,将相关性最大的特片划分成相应的同一个子空间,在子空间层次上进行状态的聚类.通过引入反馈机制,根据目标函数似然概率的增加来动态决定MLLR变换的变换类,大大提高了系统的识别率.并且由于这种算法的特殊多层结构,减少了许多中间的冗余计算,算法在具有较高的自适应精度的同时还具有较快的自适应速度.
【机 构】
：
中科院自动化所高创中心(北京);中科院自动化所模式识别国家重点实验室(北京)
论文部分内容阅读
本文提出了一种基于状态子空间聚类的多层MLLR自适应算法.该方法根据不同维数特征之间的相关性不同的原则,将相关性最大的特片划分成相应的同一个子空间,在子空间层次上进行状态的聚类.通过引入反馈机制,根据目标函数似然概率的增加来动态决定MLLR变换的变换类,大大提高了系统的识别率.并且由于这种算法的特殊多层结构,减少了许多中间的冗余计算,算法在具有较高的自适应精度的同时还具有较快的自适应速度.
其他文献
平滑算法是统计语言模型中解决数据稀疏性问题的有效且非常重要的技术,在现有的众多平滑算法中,基于Good-Turing折扣方法和Back Off的预测方法的Katz平滑算法应用最为广泛传统的Katz平滑算法在计算折扣系数时要求一次事件必须出现,对所有语料库这一条件并非一定满足,并且当对高阶n元对进行裁剪时问题尤为严重.本文从Katz推导折扣系数公式的约束条件出发,扩展了约束条件,推导出仅依赖于语料中
在说话人识别系统中,训练语音与测试玉音的话机类型失配会使说话人识别系统识别性能显著下降.本文在说话人模型合成和话机归一化基础上提出一种新的信道补偿方法,结合模型和分数两个方面对系统进行信道补偿.NIST1999说话人识别评测库上的实验表明,采用新的信道补偿方法使系统在等错误率和最小检测代价上比仅采用倒谱均值减的基线系统分别降低了39.4﹪和20.9﹪,而且优于只采用说话人模型合成或话机归一化补偿的
在话者识别中,判别策略常采用固定阈值作为门限对匹配结果进行判断,然而固定阈值在开放环境下健壮性较差.为解决阈值设定问题,本文通过分析匹配值间的特征,提出用SVM替代阈值作为判别决策的方法.在实验室环境下,结合GMM进行文本无关的话者实验,得到较好的结果.
本文我们将介绍一种基于电话的中英文双向翻译系统的设计及其运用.本系统在语音输入的前端运用了大词汇连续语音识别引擎.翻译模块采用多翻译引擎,具体如下,1)基于模版的翻译器 2)基于文法分割的翻译器 3)基于统计的翻译器.语音合成器则根据翻译结果,输出波形到电话端.系统运用了客户端—服务器的架构,而电话语音卡则作为双方通信的媒介.目前本系统仅限于旅馆预定业务,今后可以扩展到其他领域,文中还给出了一些初
本文介绍了基于GSM终端的移动电话语音数据采集系统总体结构,着重讨论了系统的具体实现及数据采集过程控制问题.本系统采集的数据较好地反映了GSM移动电话语音的统计特性,为GSM移动电话语音交互技术研究打下了良好的基础.
HNM(Harmonic Plus Noise Model)模型把语音信号分成谐波和噪声两部分,分别合成后再叠加,得到合成语音.最大浊音频率(maximum voiced frequency,Fm)是划分谐波部分和噪声部分的参数,它对合成语音质量有着关键作用.本文利用语音信号中谐波和噪声在时域、频域上的不同特征,同时引入能量判决,较好地实现了HNM模型中最大浊音频率的估计,在基于HNM的汉语语音合
本文介绍了在THSP系统上如何实现基于beam viterbi搜索one pass方法,并且针对one pass方法的特点,对识别方式进行了一些改善,提出了一些新的技术,如对三长度假设的改善,"前靠式"静音处理方式,语言的句首静音模型等.并就实验结果初步探究了对基于beam viterbi搜索的one pass方法和two pass方法优劣的比较.试验结果表明,在系统开销基本没有增加的前提下,on
声门空气流,即声门的体积速度函数被认为是语音生成的激励源,它的估计和描述对于研究语音信号的嗓音源非常重要.本文首先描述了根据语音产生过程的反滤波声源估计算法的基本原理,接着介绍了一下声道参数的提取,特别是使用频谱分段副近的共振峰估计算法,最后提出了基于级联共振峰模型反滤波浊音声源估计算法.这篇文章比较了以下三种声道的参数提取方法:基音异步、基音同步和带有闭相检测的基音同步对反滤波声源估计的影响,发
本文提出一种基于音节拼接的中文TTS系统的拼接单元挑选的新方法.拼接单元挑选划分为单元净化和单元优选两个阶段,并采用不同的声学量度准则.在计算拼接单元的听觉不满意处罚度时,引入了基于章节的清/浊结构、称为音节三段式分割和音节的多因素声学量度方法.实验结果和系统应用结果表明该方法是有效的.该方法特别适用于基于音节拼接的可嵌入式普通话和广东话TTS系统.
语音识别中的特征丢失法通过丢弃语音频率特征中的被噪声严重影响的、不可靠的部分,只保留可靠的部分,从而达到鲁棒语音识别的目的.本文基于语音频谱子带特征的置信度分析,提出了一种新的特征丢失法.该方法为每个语音特征分量分别计算了一个置信度,然后对每个分量的模型输出概率的对数值以置信度为权进行加权求和,得到的值作为整个特征的似然得分用于最后的识别.这种方法精细地刻画了噪声对语音识别模型输出概率的影响,实验