科大訊飛語種識(shí)別系統(tǒng)介紹

《科大訊飛語種識(shí)別系統(tǒng)介紹》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、語種識(shí)別系統(tǒng)介紹提綱語種識(shí)別系統(tǒng)框架Acoustic-GMM系統(tǒng)介紹Acoustic-GSV系統(tǒng)介紹語種識(shí)別系統(tǒng)框架現(xiàn)有語種識(shí)別系統(tǒng)的主流方法包括基于Acoustic的方案和基于PhoneRecognize的方案，這兩種系統(tǒng)由于建模方法等的差異，具有較好的互補(bǔ)性圖1：語種識(shí)別系統(tǒng)框架Acoustic系統(tǒng)介紹圖2：Acoustic系統(tǒng)框架Acoustic系統(tǒng)基于Acoustic的語種識(shí)別由于其穩(wěn)定性和魯棒性，在語種識(shí)別中獲得的廣泛的應(yīng)用，是歷屆NISTLRE比賽中不可缺少的基本系統(tǒng)之一。Acoustic系

2、統(tǒng)又包括GMM-MMI系統(tǒng)和GMM-SVM兩種建模方式：Acoustic系統(tǒng)--GMM-MMI系統(tǒng)框架圖3GMM-MMI系統(tǒng)流程圖GMM-MMI系統(tǒng)可以分成三大塊：特征提取模塊、模型訓(xùn)練模塊以及測試模塊，下面分別介紹三個(gè)部分特征提取模塊（1）1）MFCC：語種識(shí)別系統(tǒng)中，僅使用MFCC（Mel-FrequencyCepstralCoefficient）的C0~C6前7階參數(shù)，后面在此基礎(chǔ)上，進(jìn)行SDC擴(kuò)展。2）VTLN聲道長度規(guī)整（VocalTractLengthNormalization，VTLN），

3、將每個(gè)人的聲道規(guī)整到統(tǒng)一的長度上，用來減弱不同發(fā)音人帶來的影響。3）RASTARelAtiveSpecTrAl這個(gè)詞組的簡稱，是HynekHermansky等人根據(jù)人類語音聽覺感知對于激勵(lì)源緩變不敏感的這種特性，提出的一種對于語音參數(shù)的時(shí)間軌跡進(jìn)行濾波，以便從語音的參數(shù)表示中減小非語音部分的頻譜部分的方法，是一種經(jīng)驗(yàn)性的濾波器：圖4特征提取順序特征提取模塊（2）4）SDC:ShiftedDeltaCepstra也稱為移位差分倒譜特征特征提取模塊（3）（5）VoiceActivityDetection--

4、VAD對識(shí)別性能影響很大，在語種識(shí)別系統(tǒng)中主要采用基于能量四門限的VAD技術(shù)（6）倒譜均值相減（CepstralMeanSubtraction，CMS）基于不變信道的假設(shè)一種外部信道估計(jì)。信道的噪聲可以看成是信道固定的系統(tǒng)畸變和隨機(jī)信道傳輸噪聲（認(rèn)為是白噪聲）的和。倒譜參數(shù)上減去均值，相應(yīng)的也就去除了調(diào)制噪聲。（7）特征高斯化語種識(shí)別所用參數(shù)，本身都是隨機(jī)矢量，因而具有相應(yīng)的概率分布，訓(xùn)練和識(shí)別信道的不匹配也就體現(xiàn)在概率分布的差別上。受實(shí)際環(huán)境的影響，特征參數(shù)的概率分布往往發(fā)生改變。對特征參數(shù)進(jìn)行規(guī)整，

5、使得訓(xùn)練和識(shí)別時(shí)候的特征參數(shù)的概率分布比較接近，這樣兩者之間不匹配的問題就應(yīng)該能得到改善。（8）特征端FA特征域方法的因子分析可以當(dāng)成一種魯棒性前端的算法，就是對特征直接去掉噪聲的部分，得到相對“干凈”的數(shù)據(jù)，主要在于去噪。GMM-MMI系統(tǒng)模型訓(xùn)練UBM訓(xùn)練：K-Means聚類得到UBM模型的初始化模型EM算法迭代訓(xùn)練得到UBM模型各語種GMM訓(xùn)練各語種數(shù)據(jù)在UBM模型基礎(chǔ)上MLE估計(jì)出各語種模型2.MMI區(qū)分性準(zhǔn)則下訓(xùn)練增加各語種之間的區(qū)分度圖5UBM-GMM訓(xùn)練步驟GMM-MMI高斯后端訓(xùn)練高斯后

6、端分類器包括LDA變換矩陣和各語種模型的單高斯的GMM模型。開發(fā)集的選擇：一般要包括和測試集一樣的語種類別，并且數(shù)據(jù)類型要和測試集盡量的相似，并且不能和訓(xùn)練集有任何的重合，否則會(huì)造成開發(fā)集得分和測試集得分mismatchLDA訓(xùn)練：各語種的測試得分向量通過LDA降維，提取更有區(qū)分性的分量，將原始的N維得分向量減為維數(shù)為N-1（N為語種總種類）。各語種單高斯模型的訓(xùn)練：在開發(fā)集上利用LDA得到的各語種的得分向量，訓(xùn)練各語種的單高斯模型（每個(gè)語種一個(gè)模型）。圖6高斯后端訓(xùn)練步驟GMM-MMI系統(tǒng)測試流程圖7

7、GMM-MMI測試流程Acoustic系統(tǒng)—GMM-SVM系統(tǒng)圖8GSV系統(tǒng)框圖GMM-SVM系統(tǒng)模型訓(xùn)練部分三個(gè)關(guān)鍵部分GMMSuperVector：每條語音，采用最大后驗(yàn)概率（Maximumaposteriori，MAP）準(zhǔn)則，從UBM中自適應(yīng)得到這條語音的GMM模型，然后將所有高斯的每一維均值向量按照順序排列起來，構(gòu)成一個(gè)超矢量作為SVM的輸入，就稱為GMMSuperVector2.SVM模型的均值核函數(shù)和均值方差核函數(shù)GMM只更新均值時(shí)GMM同時(shí)更新均值方差3.Model-Pushing技術(shù)謝謝