论文部分内容阅读
声学模型，是语音识别领域的核心研究方向之一。随机段模型(StochasticSegment Model，SSM)放宽了隐马尔科夫模型(Hidden Markov Model，HMM)在给定状态时语音观测矢量相互独立的假设，获得了比HMM系统更高的识别性能，然而过高的计算复杂度，成为制约段模型实用的关键问题。本文针对段模型解码算法及其语音识别系统和关键词检测系统，进行的主要工作有：
提出了基于相邻段的并行解码算法(Parallel Decoding of NeighboringSegments，PDNS)，该算法改进了分步段计算方法，能够同时对多个语音段进行解码并剪枝。PDNS算法是一种局部解码方法，能为剪枝提供更高更精确的阈值，因而可以剪掉更多的不匹配模型。将该算法应用到LVCSR系统中，在基本不影响识别精度的前提下，节省了50％的计算时间。
由于计算复杂性过高，在LVCSR中，段模型更多的是扮演一种辅助的角色。本文提出了基于HMM预切分的随机段模型重估算法，使用SSM对单音子HMM系统生成的lattice进行二次搜索，利用lattice内的节点信息和弧信息来更新SSM扩展集，以成倍加速段模型解码；对三音子HMM生成的N-Best进行重新验证，分别采用了固定边界得分、局部最大得分和整体最优得分的原则来重估每条路径，重估后的错误率相对HMM基线系统下降了4.81％。段模型重估算法耗时比基础解码大为减少，为段模型的实际应用提供了参考。
在LVCSR系统的基础上，我们搭建了一个基于HMM/SSM的关键词检测系统，该系统以声韵母网络为核心，包含了语音分割、声韵母网络生成、关键词检测等模块。系统提供了基于单音子HMM、三音子HMM和SSM的搜索引擎供选择，在实验中，我们对比分析了三种模型的优劣。