一種用于抗噪語音識別的動態(tài)參數(shù)補償新方法
加入技術交流群
與機器進行語音交流，是人們長期以來夢寐以求的事情。語音識別技術就是讓機器通過識別和理解過程把語音信號轉變?yōu)橄鄳奈谋净蛎畹募夹g，其被認為是2000年至2010年間信息技術領域十大重要的科技發(fā)展技術之一。在語音識別中，當識別器的訓練環(huán)境同應用環(huán)境不同時，其性能會急劇下降。為了解決這一問題，各種技術方法陸續(xù)地被提了出來，這些技術方法主要分為三大類：1)語音魯棒特征的表達和提取技術；2)語音增強技術；3)模型補償技術。關于這些方法的詳細回顧可參見文獻。本文的討論重點是模型補償技術。模型補償技術主要是通過合并純凈語音模型與噪聲模型，從而產(chǎn)生出用于識別的帶噪語音模型。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(shù)字積分PMC(Numerical Integral PMC)和數(shù)據(jù)驅動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，很難運用到實際應用中去。另一方面，一些諸如對數(shù)_力口PMC(Log-Add PMC)和對數(shù)．正態(tài)PMC(Log―Normal PMC)方法通過使用較簡單的估計方法來生成帶噪語音模型，這樣在很低信噪比的條件下識別效果不是很令人滿意。其中Log-Normal PMC方法對靜態(tài)模型參數(shù)給出一個嚴格的補償方案，但是對動態(tài)模型參數(shù)，到目前為止只能對其均值進行簡單的補償。雖然這種動態(tài)的均值補償可以提高識別率，但是算法仍有改進的空間，使其能夠為動態(tài)的協(xié)方差參數(shù)提供補償。
為了解決這一問題，本文提出了一種新的動態(tài)模型補償方法(DPCM)。DPCM選定語音特征與噪聲特征的差為一個新的附加隨機變量，并假設該附加變量與語音和噪聲特征的導數(shù)之間均相互統(tǒng)計獨立。這樣，動態(tài)特征的補償即可通過數(shù)學的方法來解決。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音模型。實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(shù)功率譜域，無上標的則表示Mel線性功率譜域。估計出的噪聲模型參數(shù)用～標記，補償出的帶噪語音模型參數(shù)用^標記。
2 模型補償技術
模型補償技術是根據(jù)應用環(huán)境的背景噪聲情況，通過修正純凈語音特征的統(tǒng)計模型產(chǎn)生出一個更接近真實帶噪語音特征的統(tǒng)計模型。圖1是一個基本模型補償方案框圖，輸入為一個純凈的語音模型(目前一般采用HMM對語音建模)和一個估計出的噪聲模型。總的來講，模型補償依據(jù)補償進行的域不同可以分為兩類：線性譜域補償算法和對數(shù)譜域補償算法。
評論