段长信息在连续语音识别中的应用研究

• 作者: 王作英 肖熙 赵庆卫 陆大
• 来源期刊: 声学学报
• 年，卷（期）: 2000,（2）
• 页码范围: 175-181
• 页数: 7页
• 语种: 中文

摘要

基于段长分布的隐含马尔可夫模型(DDBHMM)有效地解决了经典HMM的缺陷,本文以DDBHMM模型为基础,详细研究了如何在连续语音识别中有效地利用段长信息,文中首先介绍了段长分布的统计方法,然后按照不同的说话速度对数据文件进行了分类,据此进行的识别实验表明,段长信息对于速度慢的文件效果最好,速度中等的次之,速度快的效果较小,作者认为,段长信息最大的作用在于能够得到更加精确的音节和状态分割点,并因而提高识别效果.同时,通过段长信息的有效利用,还能够提高识别系统对于说话速度的稳健性.作者又进行了细化研究,提出了利用分类段长和规整化的段长的研究方法,发现两者均可使识别效果有进一步的提高.为了研究如何利用段长之间的相关性,文中还提出了段长的Bigram的方法,并对之作了分析.最后,本文研究了采用后处理方法利用段长信息的效果,进一步说明了只有基于DDBHMM,在识别过程中同步利用段长信息,才能得到卓有成效的性能提高.