鲁棒语音识别中的模型自适应算法研究与实现

《鲁棒语音识别中的模型自适应算法研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、隶劫大◆粤硕士学位论文万方数据鲁棒语音识别中的模型自适应算法研究与实现研究生姓名：医匾莲导师姓名：昱镇扬万方数据ResearchandRealizationofModelAdaptiveAlgorithminRobustSpeechRecognitionDissertationSubmittedtoSoutheastUniversityFortheAcademicDegreeofMasterofEngineeringBYCHENLipingSupervisedbyProfessorⅥ唧ZhenyangSchoolofInformatio

2、nScience&EngineeringSoutheastUniversityApril2014万方数据东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。研究生签名：强函堡日期．2014．．午fl东南大学学位论文使用授权声明东南大学、中国科学技术信息研究

3、所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。研究生签名：飞嗨师签名j塑日期：三鱼幽万方数据摘要语音识别在实验室环境中识别性能很高，但是走向实用化的过程中，由于语音本身的变异性以及外部噪声的影响，导致在环境变化时，语音识别系统的性能严重下降。因此，研究能够适应

4、不同环境的鲁棒性语音识别技术具有极其重要的意义。本文主要研究了鲁棒语音识别中的模型自适应算法，重点研究了基于最大似然线性回归(MLLR：MaximumLikelihoodLinearRegression)的模型自适应算法以及基于矢量泰勒级数(VTS：VectorTaylorSeries)的模型自适应算法。主要工作内容总结如下：首先研究了基于MLLR的模型自适应算法，在线性假设的基础上，分别给出了均值变换矩阵与方差变换矩阵的估计方法。并且进行了基于MATLAB的仿真实验，采用实验室录制的中文语音库，在不同噪声环境下，通过改变信噪比以及自适

5、应数据个数，测试不同条件下系统的误识率。实验结果表明，MLLR算法依赖于自适应数据的数量，且在低信噪比条件下效果较好。接着研究了基于VTS的模型自适应算法，首先推导出了模型参数的矢量泰勒级数关系式，然后分别给出了噪声环境下模型参数的均值与方差的估计方法。将VTS算法与MLLR算法的实验结果进行对比可以发现，VTS算法不依赖于自适应数据的数量，且在低信噪比条件下，识别性能优于MLLR算法，但是MLLR算法相比VTS算法，具有计算量小、复杂度低、易于实现等优点，两种算法各有优缺点。最后，本文用C语言实现了鲁棒语音识别系统，为了尽可能提高系统

6、的识别性能，采用了基于VTS的模型自适应算法。系统可以实现非特定人孤立词语音识别，在信噪比为15dB时，识别率达至U90％，在信噪比为0dB时，识别率达到65％，模型更新完成后识别时间在0．3s以内，系统运行时间和识别率都达到了预期要求。关键词：鲁棒语音识别；模型自适应算法：最大似然线性回归；矢量泰勒级数万方数据AbstractSpeechrecognitioncanachievehighperformanceinalaboratoryenvironment·Butintheprocessfromexperimentaltopracti

7、caluse，duetothevariationofthespeechitselfandtheeffectsofexternalnoise，theperformanceofspeechrecognitionsystemdegradesseverelywhiletheenviromentchanges．Therefore，thestudyoftherobustspeechrecognitiontechnologieswhichCanbeadaptedtodifferentkindofenvironmentsisextremelyimpor

8、tant·Thispapermainlystudiesthemodeladaptivealgorithmsinrobustspeechrecognition．Focusingonthemodeladapti