论文部分内容阅读
提出一种基于模板的动态补偿方案（PDC）．用来改善移动环境下语音识别（ASR）的鲁棒性。在PDC中。定义一个带偏差的固定模板来纠正数据训练时的环境变量．假设数据训练是根据一组事先定义好的应用场景下得到的：在识别时．瞬时的偏差由几种可能的模板线性加权得到。为了快速估计加权值．提出了基于语音相关先验模板的贝叶斯学习过程（PDC—SPE）。室外环境下实验表明。PDC—SPE学习过程好于常规的补偿自适应方法。通过训练后系统的错误识别率有20-25％的相时减少。