基于B_W算法训练连续语音的关键技术.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 29卷 第4期 2005年 8月 JOURNAIOFDAQINGPETROLEUM INSTITUTE Vo1．29 No．4 Aug． 2005 基于 B—W 算法训练连续语音的关键技术 李 军 ，刘晓明，李 龙 (大庆石油学 院 计算机与信息技术学院，黑龙江 大庆 163318) 摘 要：B W 算法是基于隐含马尔可夫模 型连续语音建模所采 用的技术 探讨了基于 B w 算法 的连续语音 建模 的关键技术——计算溢出及训练样本差异 问题 ，提出了解决方法 ：对计算溢 出可采用对数变换 的方法扩展计算机所 能表 示的数值范围给 以解决 ；差异样本训练可在训练 中消除将定样句子单元信息予以解决． 关 键 词 ：语音识别；B w 算法 ；计算溢出；模型参数 中图分类号 ：TN912．34 文献标识码 ：A 文章编号 ：1000一l89l(2005)04—012l—O3 0 引言 语音建模是开发语音识别系统的重要技术．建模通常可分为两大类 ：一是基于规则的语音建模，其具 有局限性，应用并不普遍 ；二是基于统计的语音建模 ，这是根据大量的语音训练样本确定统计参数的建模 方法 ，只要有较多具有代表性的样本 ，并且模型足够精细 ，统计建模通常能获得较好的结果．目前最常用 的是基于隐含马尔可夫模型 (HMM)的统计建模方法，其又可细分为离散 HMM(DHMM)、连续 HMM (CHMM)和半连续 HMM(SCHMM)．为提高语音建模精度，以SCHMM[1为例 ，探讨建立语音模型的关 键技术 ． 1 语音建模方法及 问题 基于 HMM 的语音建模过程可以采用 B w 算法[2]实现 ，但使用该算法建立语音模型应注意 ： (1)计算溢出问题．采用 B～w算法计算前后项系数时，状态转移概率介于 0～1，而概率密度输 出函 数值通常小于 1，如果初始模型和训练语音存在较大偏差，概率密度输 出函数结果将远小于 1．因此经过 多次递推的结果是前 、后项系数非常小 ，以至超出计算机所能表示数值范围的下限，将本来非 0的数值置 为机器 0，造成计算下溢，导致归一化结果 出现错误 3【]． (2)训练样本差异问题．在连续语音训练中，要评估的语音单位参数是嵌在长短各异 、内容千差万别 的句子中，而B w 算法是从总体上评估语音帧序列对各状态的影响．因此 ，对于不 同训练样本，计算 出的 同一语音单位参数必然存在差异 ]．如果不采取适 当的措施解决此 问题，就无法训练出准确的语音模型 参数． 2 计算溢 出的解决方法 ． 以基于SCHMM 训练码本高斯均值为例 ，探讨在 B—W 算法中解决计算溢出问题．为便于讨论 ，只使 用单模型和单样本训练． 设模型有 L个状态 5一S ，训练样本帧数为 N，记为 l，一 {Y，Y。，…，Y)，码本数为-，，输入语音的状 态序列为X，“，为第z个状态的初始状态概率 ，A 为 “状态向 状态的转移概率 ，P ()为z状态的概率密 度函数 ，￡为 l状态第 个高斯函数的权重． 根据 HMM参数的定义 ，计算高斯均值M，的B w 算法步骤为 收稿 日期：2004—12—18；审稿人 ：李从信 ；编辑：陆雅玲 作者简介：李 军 (1969一)，男 ，硕士，讲师 ，主要从事语音技术及其应用方面的研究 维普资讯 大 庆 石 油 学 院 学 报 第 29卷 2005年 (1)对模型参数评估得到一定的初值 ，这些初值可能是粗糙的． (2)利用前、后项算法求前项因数a(z)和后项因数 (z)，递推公式为 z) {∑