清华大学学报（自然科学版）
清華大學學報（自然科學版）
청화대학학보（자연과학판）
JOURNAL OF TSINGHUA UNIVERSITY SCIENCE AND TECHNOLOGY
2005年
7期
892-895
,共4页
信息处理%语音识别%模型自适应%稳健性
信息處理%語音識彆%模型自適應%穩健性
신식처리%어음식별%모형자괄응%은건성
为了进一步提高矢量Taylor级数(VTS)算法的模型补偿精度以及在噪声环境下的识别性能,提出将无监督聚类与VTS算法相结合.无监督聚类算法利用噪声模型之间的Kullback-Leibler距离将含噪语音段划分为若干个子段.然后针对各个子段分别进行一阶Taylor级数展开,并在此基础上逐段估计噪声参数和补偿声学模型.该算法结合一个中文数字串识别系统进行实验,在Babble噪声和Gauss白噪声环境下该算法的误识率相对传统的VTS算法分别下降了27.7%和17.8%.证明这种结合无监督聚类的分段VTS算法能够更加有效地将语音和噪声在倒谱域上的非线性混合模型用一阶线性模型来近似.
為瞭進一步提高矢量Taylor級數(VTS)算法的模型補償精度以及在譟聲環境下的識彆性能,提齣將無鑑督聚類與VTS算法相結閤.無鑑督聚類算法利用譟聲模型之間的Kullback-Leibler距離將含譟語音段劃分為若榦箇子段.然後針對各箇子段分彆進行一階Taylor級數展開,併在此基礎上逐段估計譟聲參數和補償聲學模型.該算法結閤一箇中文數字串識彆繫統進行實驗,在Babble譟聲和Gauss白譟聲環境下該算法的誤識率相對傳統的VTS算法分彆下降瞭27.7%和17.8%.證明這種結閤無鑑督聚類的分段VTS算法能夠更加有效地將語音和譟聲在倒譜域上的非線性混閤模型用一階線性模型來近似.
위료진일보제고시량Taylor급수(VTS)산법적모형보상정도이급재조성배경하적식별성능,제출장무감독취류여VTS산법상결합.무감독취류산법이용조성모형지간적Kullback-Leibler거리장함조어음단화분위약간개자단.연후침대각개자단분별진행일계Taylor급수전개,병재차기출상축단고계조성삼수화보상성학모형.해산법결합일개중문수자천식별계통진행실험,재Babble조성화Gauss백조성배경하해산법적오식솔상대전통적VTS산법분별하강료27.7%화17.8%.증명저충결합무감독취류적분단VTS산법능구경가유효지장어음화조성재도보역상적비선성혼합모형용일계선성모형래근사.
