基于BTSM-LDA的口形动态特征及多流异步音视频语音识别

• 作者: H.Sahli W.Verhelst 吕国云 樊养余 蒋冬梅 赵荣椿
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 动态贝叶斯网络 语音识别 贝叶斯切线形状模型 多流异步 线性判别分析
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 理论与试验研究
• 页码范围: 397-403
• 页数: 7页
• 分类号: TP391.4
• 字数: 6604字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2008.04.004

摘要

引入一种基于贝叶斯切线形状模型(BTSM)的口形轮廓特征提取和基于线性判别分析(LDA)的视觉语音动态特征提取方法,该特征充分体现了口形特征变化的动态性,消除了直接口形轮廓几何特征的冗余.同时采用一种新颖的多流异步动态贝叶斯网络(MS-ADBN)模型来实现音视频的连续语音识别,该模型在词节点级别体现了音视频流的同步异步性.识别实验结果表明:采用LDA视觉语音动态特征的系统性能明显优于静态的口形轮廓几何特征,在语音信噪比为0～30 dB的测试环境下,融合LDA视觉特征的MS-ADBN模型比多流异步HMM的平均识别率提高4.92%,说明MS-ADBN模型更好地表达了音视频流之间的异步关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵荣椿	西北工业大学计算机学院	223	3302	29.0	44.0
2	樊养余	西北工业大学计算机学院	212	1698	20.0	32.0
3	蒋冬梅	西北工业大学计算机学院	33	124	6.0	8.0
4	吕国云	西北工业大学计算机学院	23	76	5.0	7.0