语音识别中最小音素错误特征训练的研究.docVIP

  语音识别中最小音素错误特征训练的研究 万龙静，刘刚** （北京邮电大学信息与通信工程学院，北京 100876） 5 10 15 20 25 30 35 40 摘要：由于传统的最大似然训练准则的局限性，区分性训练的研究逐渐成为当前语音识别领 域的一个热点，它已经被应用到实际中并且取得了较好的效果。围绕区分性的概念，可以进 行多角度的研究，本文的研究的最小音素错误特征训练就是使用最小音素错误训练准则进行 特征变换、参数更新以及模型训练。其研究目的在于调整特征，使得目标函数值趋近最优。 研究内容包括高维特征向量和变换矩阵，相关实验证明该算法在词正确率方面，相对于 MLE 的提升有近 3.8%，相对于 MPE 的提升大概有 1.2%。 关键词：语音识别；隐马尔可夫模型；区分性训练；MPE；fMPE 中图分类号：TP181 Research on fMPE for Automatic Speech Recognition WAN Longjing, LIU Gang (School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876) Abstract: Due to the limitation of the traditional maximum likelihood training criteria, the research about the discriminative training has become a hot topic in the field of speech recognition. It is applied to practical and has improved the recognition performance. The research is expanded from various aspects. This paper is focus on the feature-MPE. It uses the minimum phone error training criteria to guide the feature transformation, parameter update and model training. The research aims to adjust the feature vector to optimize the objective function. The research includes a high-dimensional feature vectors and transformation matrix. The experiments show the algorithm can improve the correct word rate.(MLE:3.8%. MPE:1.2%) Key words: speech recognition; HMM; discriminative training; MPE; fMPE 0 引言 在人与人的交往中，语音是最基本、最有效、最方便的沟通方式。随着信息化时代的到来， 实现人类同计算机以及智能系统的人机交互已经为社会所迫切需要。语音识别技术[1]，作为人 机交互的关键接口技术成为了研究的热点。 基于隐马尔可夫模型（Hidden Markov Models, HMM）的语音识别技术是如今研究的主流 技术，该模型大都基于最大似然估计准则[2] (Maximum Likelihood Estimation，MLE)， MLE 模 型训练的目的是使概率密度函数尽可能的描述模型的真实分布。但是，MLE 在实现过程中有 很多的限定假设条件，使得模型训练的能力受到了限制。近年来，区分性训练[3,4,5]的概念被提 出，它不是最大化训练语料的似然值，而是注重调整不同模型之间的分类面。在区分性训练中， 最小音素错误准则[6]（Minimum Phone Error, MPE）是一种通过最大化音素序列正确率的训练 准则，它比优化句子级的训练准则效果更好，可以有效的提高识别率。 从区分性的角度看待语音识别问题，追求用更好的训练准则和优化方法来进行更正确的识 别，这在实质上就是语音识别全过程中所有方法的研究目标。深入研究区分性训练，考虑将其 从模型训练应用扩展到特征提取、样本选择等多个方面，全方面优化语音识别技术。2005 年 作者简介：万龙静（1988-），女，工学硕士，语音识别 通信联系人：刘刚（1973-），男，副教授，语音信号处