检索结果-南通市图书馆

小型微型计算机系统 2012年第6期33卷 1385-1388页

作者：尹明明李弼程屈丹牛铜解放军信息工程大学信息工程学院信号分析系郑州450002

针对目前混淆网络生成算法速度与精度不能兼顾的不足,提出一种新的汉语音节混淆网络生成的方法.本算法采用类似轴对齐算法,对音节网格每次提取一条局部路径与参考路径对齐,根据每次对齐路径与参考路径长度不同,采用不同的策略生成混淆网... 详细信息

针对目前混淆网络生成算法速度与精度不能兼顾的不足,提出一种新的汉语音节混淆网络生成的方法.本算法采用类似轴对齐算法,对音节网格每次提取一条局部路径与参考路径对齐,根据每次对齐路径与参考路径长度不同,采用不同的策略生成混淆网络,并在生成混淆网络之后对其应用一种新的解码框架进行重打分.实验表明,该算法生成的混淆网络精度较高,时间复杂度优于轴对齐算法,且重打分后的识别率有显著提高.

关键词：混淆网络音节网格语音识别最小词错误解码重打分

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

连续语音识别解码技术的研究

连续语音识别解码技术的研究

引用

作者：尹明明解放军信息工程大学

学位级别：硕士

解码器是连续语音识别系统中最能直观反映系统性能的重要组成部分。解码技术的研究目的就是要优化解码过程,使解码器能够在得到较高精度识别结果的同时有着较快的识别速度。本文围绕如何保持解码精度与速度之间的均衡,重点对一遍解码中... 详细信息

解码器是连续语音识别系统中最能直观反映系统性能的重要组成部分。解码技术的研究目的就是要优化解码过程,使解码器能够在得到较高精度识别结果的同时有着较快的识别速度。本文围绕如何保持解码精度与速度之间的均衡,重点对一遍解码中解码参数的优化以及二次解码过程展开深入研究,主要工作概括为以下四个方面: (1)研究了全局阈值、词尾阈值、激活模型数、令牌数四维剪枝阈值参数的优化,提出了一种多维剪枝阈值参数联合优化的算法。该算法针对目前单一剪枝阈值优化的算法没有考虑到多维阈值参数之间互相影响的问题,首先应用多目标优化理论对阈值参数进行联合优化,然后根据优化结果,采用分段动态阈值的方法进行后处理。实验结果表明,采用新方法优化之后的阈值参数进行一遍解码,解码器的剪枝性能得到明显改善,在保持较高解码精度的同时,大大提高了解码的速度。 (2)研究了语言模型权值与插入代价两维解码参数的优化,提出了一种基于词图重估的解码参数优化算法。该算法针对优化过程中参数收敛速度过慢的问题,采用线性搜索与模拟退火搜索相结合的方法对参数空间进行搜索,提高了优化速度,并能使得优化后的参数具有全局最优和对初值稳定性强的优点。实验结果表明,相对于经典的N-Best算法优化,新方法优化的识别速度有所提升,且使用优化后的参数进行一遍解码能更有效降低基线系统词错误率。 (3)研究了生成混淆网络实现最小化词错误率解码的过程,提出了一种局部路径对齐的混淆网络生成算法。该算法针对当前主流混淆网络生成算法速度与精度不能兼顾的问题,每次从词图中提取局部路径与基准路径对齐,有效解决了最大后验概率弧对齐算法生成的混淆网络混淆集顺序颠倒的问题;在对齐过程中,根据局部路径与参考路径长度的不同,采取不同的处理方法,也解决了轴对称算法的对齐错误。实验结果表明,新算法生成效率与主流的算法相当,但是其生成混淆网络的解码性能相对于主流算法有所提高。 (4)研究了重打分算法,提出了一种基于词图的递归重打分算法。该算法首先把词图变换为一种类似于位置确定的后验概率词图结构,这种结构中的弧只包含声学得分,然后采用该算法搜索出最优结果。与传统的Viterbi重打分的算法相比,新方法无需将知识转化为有限状态机融入到搜索网络中,因此更易结合高层语言学知识进行重打分。实验结果表明,新算法相对于Viterbi搜索的算法,搜索空间大小急剧减少,能很好满足二次解码对速度的要求,且能保持较高的识别精度。

关键词：连续语音解码剪枝阈值语言模型权值插入代价最小化词错误率解码词图混淆网络重打分

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向藏语的语音识别技术研究

面向藏语的语音识别技术研究

引用

作者：何铭天津大学

学位级别：硕士

本文的研究内容为面向藏语的语音识别技术,针对藏语的安多方言和卫藏方言建立了语音识别系统模型。对于安多方言,本文主要从五个方面进行了研究。首先,本文采用了一个在已有的卫藏方言发音词典基础上新建立的安多方言发音词典,该词典结... 详细信息

本文的研究内容为面向藏语的语音识别技术,针对藏语的安多方言和卫藏方言建立了语音识别系统模型。对于安多方言,本文主要从五个方面进行了研究。首先,本文采用了一个在已有的卫藏方言发音词典基础上新建立的安多方言发音词典,该词典结合安多方言发音特点做了修改,改用无声调信息的标注方式,并对条目进行了扩充。第二,本文提出采用速度扰动与添加噪声和混响结合的数据增广技术对安多方言音频数据进行扩充,并通过使用增广后的数据训练网络参数,将声学模型的性能进行了提升。第三,本文基于HMM-DNN架构,使用了一个16层的时延神经网络建立声学模型,在原测试集上获得了13.62%的字错误率(CER)结果。本文还进一步探究了TDNN的变体网络——TDNN-F用于建立安多方言声学建模的性能表现,证明了TDNN-F声学模型能够在与TDNN模型性能相当的前提下,较大幅度地减少藏语声学模型神经网络的参数。第四,在语言模型方面,本文以单个藏字为基本单元,采用5-gram藏文语言模型,通过将藏文文本数据划分为口语类和新闻资讯类并分别训练两个不同领域的语言模型,然后采用以口语类和新闻类比例为1:1、8:2这两种插值合并的方式建立了新的语言模型。经实验测试在口语类和新闻资讯类插值比例为8:2的情况下获得了测试集上字错误率为13.26%的识别效果,说明了藏语低资源条件下合理使用插值合并技术能够使得不同领域语言模型达到优势互补的效果。最后,本文还进行了藏文语言模型重打分的探究实验。先采用前面建立的1:1比例插值的剪枝过的通用模型在测试集上解码,然后使用8:2比例插值合并的偏向于口语领域的较大语言模型进行重打分,使得其在口语类测试场景的识别效果获得了提升。实验反映了通过重打分技术可以使得藏语语音识别系统比较方便地在不同应用场景中迁移。对于卫藏方言,本文基于原来的卫藏方言发音词典,在卫藏方言声学数据量较少的情况下,采用迁移训练的思路,提出基于安多方言声学数据训练出的16层安多TDNN声学模型,通过替换掉输出层并添加两个新的隐层建立起卫藏方言初始声学模型,之后再使用数据增广过后的卫藏方言声学数据做适应性训练,得到卫藏方言声学模型。结合前面训练好的语言模型,搭建卫藏方言语音识别系统模型,在测试集上取得了字错误率为18.97%的识别效果。相比仅用少量的卫藏方言声学数据训练出的TDNN声学模型,效果相对提升了33.6%。

关键词：藏语语音识别数据增广 TDNN-F N-gram 重打分迁移学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：