利用梯度投影法实现语言模型的主题自适应

本文研究了在汉语语音识别中如何根据识别任务的主题相关性自动调整语言模型,即语言模型的主题自适应问题。提出了利用梯度投影法在最大似然估计准则下将不同主题的语言模型进行线性插值的方法。实验表明,该方法可以有效地提高系统的识别率和稳健性,特别是对于主题明确的识别任务改善尤为明显。同时,为了解决新系统识别速度较慢的问题,本文在音字转换过程中采取了多路搜索策略,在与基线系统识别速度相当的情况下识别率仍获得了明显改善。     

汉语三音子模型观测概率比较

HMM的观测概率能否很好描述模型的实际分布对识别性能有很大的影响。为了比较汉语三音子模型在不同观测概率情况下的差异,本文构造了三种不同模型,及其训练和识别算法。通过从多方面对这三个模型进行比较,得出结论,为今后汉语三音子模型观测概率的选择提供依据。     

说话人自适应训练方法在连续语音识别中的应用

自适应技术在近年来得到越来越多的重视,其中应用广泛的包括MAP、MLLR,该技术利用少量特定人数据就可以调整码本,快速地提升识别性能,它要求原始的码本有很好的说话人无关性。本文介绍了结合MLLR自适应的说话人自适应训练(Speaker Adaptive Training,以下简称SAT)算法,这种方法将每个说话人码本视为说话人无关码本经过线性变换的结果,在此基础上训练的说话人无关码本更有效剔除了说话人相关信息,因此在说话人自适应中时能根据特定数据调整更好地逼近说话人特性,从而有更好的性能表现。     

基于段长分布的HMM的资源受限语音识别系统

文中介绍了一个非特定人、小词汇表、孤立词的资源受限语音识别系统,它采用了基于段长分布的隐含马尔可夫模型(DDBHMM)的语音识别算法.根据资源受限环境仅能提供非常有限的运算能力和存储空间的特点,采取了针对性的优化算法和措施,在资源受限环境下获得了实时准确的识别性能.     

非齐次语音识别HMM模型和THED语音识别与理解系统

本文从语音状态驻留长度分布出发,建立了一个非齐次隐含马尔可夫(Markov)语音识别模型。这个模型更接近语音信号物理实际,训练和识别的时间、空间复杂性比经典的HMM模型有很大的改进。文中描述了新模型的训练和识别算法,介绍了根据这一模型所设计的一个汉语孤立字全字表的实时识别和理解系统。     

GMD-SDDBHMM语音识别模型和分类训练方法

本文将混合高斯分布应用于一种非齐次隐含马尔可夫模型——简化的基于段长分布的隐含马尔可夫模型。新模型使语音识别率得到了改善。由于通常的模型训练方法训练时间太长，本文提出了一种分类训练方法，在不降低最终模型性能的前提下，使训练可以分布式完成。     

基于词图树扩展的语音命令理解及其容错算法的研究

本文对计算机语音命令理解的算法作了一些探索性的研究。首先针对词图结构的特点提出了一种词图树扩展理解算法,通过分析与实验比较,发现该算法在保证精确率的下降很小的条件下可获得比传统的Nbest路径理解算法高得多的召回率,而计算效率仅相当于Nbest路径理解算法中句子候选数取值很小时的情况;其次根据对实验结果的分析与观察,给出了一种行之有效的命令理解容错算法,使得理解召回率提高到91.7% ,精确率仍保持在90%以上,而理解错误率降低了13.5% ,同时计算复杂度的上升几乎可以忽略。     

多路并行的语音识别引擎的设计与实现

文中讨论了一个多路并行语音识别引擎的设计与实现。在介绍多路语音识别系统的整体结构的基础上,着重介绍了该引擎主要功能模块和设计方法,给出了优化引擎内存和性能的一些方法。     

基于高斯相似度分析的插值自适应算法

快速说话人自适应算法在非特定人连续语音识别的应用中有重要意义.现在流行的自适应算法多数只考虑均值的自适应.本文提出的自适应算法可以快速的对协方差矩阵进行自适应.该算法是用高斯相似度度量协方差矩阵间的距离,并由此测度建立了反映协方差矩阵结构关系的二叉决策树.树的每个中间节点包含一个类质心.在决策树基础上,训练多个与特定人模型相关的类质心.自适应时,通过对这些类质心进行线性插值得到自适应的协方差矩阵.实验结果表明,该方法能够在仅有一句自适应数据的情况下,使系统误识率由29.49%下降到27.55%.