第12章语音识别资料.pptVIP

* * 似然函数是指在参数条件下检测到数据的概率 * * * * * * * * 当词汇表较小，各个词条不易混淆时，DTW取得了很大成功。 * * * * viterbi算法是已知模型和观测序列，求最可能的状态序列。 * * FSVQ是一种有记忆的多码本的VQ技术。它不仅计算量小，而且适用于与上下文有关的语音识别。适合于特定人或非特定人、孤立词或连续语音识别。 LVQ(LearningVQ)即学习矢量量化，是由神经网络的并行分布来实现普通VQ的串行有哪些信誉好的足球投注网站，其运行速度远高于VQ。LVQ是通过有监督的学习来改进网络对输入矢量分类的正确率。 LVQ2是对LVQ的改进，因为LVQ在某些情况下对模式识别的分类效果不够稳定。LVQ2是带学习功能的矢量量化法，它在训练时采用适应性法，在满足一定条件的情况下，将错误的参考矢量移至离输入矢量更远些，而将正确的参考矢量移至离输入矢量更近些，以此来提高识别率。 13.2语音识别原理 * 专家知识库 存储各种语言学知识； 判决 根据各种距离测度选择适当的门限值； 检验结果 识别率 13.2语音识别原理 语音识别原理框图 * 更一般的语音识别系统 13.2语音识别原理 * 动态时间规整DTW 动态时间规整DTW(dynamic time warping)曾经是语音识别的一种主流方法。 其思路是：由于语音信号是一种具有相当大随机性的信号，即使相同说话者对相同的词，每一次发音的结果都是不同的，也不可能具有完全相同的时间长度。因此在与已存储模型相匹配时，未知单词的时间轴要不均匀地扭曲或弯折，以使其特征与模板特征对正。用时间规整手段对正是一种非常有力的措施，对提高系统的识别精度非常有效。 动态时间规整DTW是一个典型的优化问题，它用满足一定条件的的 时间规整函数W(n)描述输入模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数。 13.3动态时间规整 * DTW的基本思想： 将时间规整与距离测度结合起来，采用动态规划技术，比较两个大小不同的模式，解决语音识别中语速多变的难题； 一种非线性时间规整模式匹配算法； 13.3动态时间规整 * 动态时间规整 语音识别模式匹配的问题：时间对准 同一个人在不同时刻说同一句话、发同一个音，也不可能具有完全相同的时间长度； 语音的持续时间随机改变，相对时长也随机改变； 端点检测不准确； 方法1：线性时间规整，均匀伸长或缩短 依赖于端点检测(经常采用时域分析方法，进行检测的主要依据是能量、振幅和过零率。 )； 仅扩展时间轴无法精确对准； 方法2：动态时间规整 DTW－Dynamic Time Warping； 60年代Itakura提出来的； 13.3动态时间规整 * 动态时间规整法 j B i A j i O w (i) 模板 输入 * 动态规划算法基本思想是将待求解问题分解成若干个子问题 动态规划算法总体思想 n T(n/2) T(n/2) T(n/2) T(n/2) T(n) = 13.3动态时间规整 * 但是经分解得到的子问题往往不是互相独立的。不同子问题的数目常常只有多项式量级。求解时，有些子问题被重复计算了许多次。 动态规划算法总体思想 n T(n) = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) 13.3动态时间规整 * 如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以避免大量重复计算，从而得到多项式时间算法。 动态规划算法总体思想 n = n/2 T(n/4) T(n/4) T(n/4) T(n/4) n/2 n/2 T(n/4) T(n/4) n/2 T(n/4) T(n/4) T(n/4) T(n/4) T(n/4) T(n) 13.3动态时间规整 * 动态规划基本步骤 找出最优解的性质，并刻划其结构特征。 递归地定义最优值。 以自底向上的方式计算出最优值。 根据计算最优值时得到的信息，构造最优解。 13.3动态时间规整 * 动态时间规正法(DTW)的计算实例 ck=(ik, jk) (ik, jk-1) (ik-1, jk) min 2 1 7 5 1 5 1 6 4 7 2 4 5 2 4 3 3 4 8 2 2 1 5 1 19 20 23 26 17 22 16 22 16 18 15 19 12 11 15 16 7 9 17