一种新的基于DBN的声学特征提取方法

• 作者: 李晋徽 杨俊安 王龙 陈雷
• 来源期刊: 无线电通信技术
• 学科: 工学
• 关键词: 连续语音识别 瓶颈深度置信网络 区分性训练 ODLR
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 信息传输与接入技术
• 页码范围: 41-45
• 页数: 5页
• 分类号: TN912.34
• 字数: 4396字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3114.2015.06.11

摘要

大词汇量连续语音识别系统中，为了进一步增强网络的鲁棒性、提升深度置信网络的识别准确率，提出一种基于区分性和ODLR自适应瓶颈深度置信网络的特征提取方法。该方法首先使用鲁棒性较强的瓶颈深度置信网络进行初步特征提取，进而进行区分性训练，使网络的区分性更强、识别准确率更高，在此基础上引入说话人自适应技术对网络进行调整，提高模型的鲁棒性。利用提出的声学特征在多个噪声较强、主题风格较为随意的多个公共连续语音数据库上进行了测试，识别结果取得了22．2％的提升。实验结果表明所提出的特征提取方法有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨俊安		41	260	10.0	14.0
5	李晋徽		6	38	3.0	6.0
7	陈雷		5	38	4.0	5.0
11	王龙		6	56	5.0	6.0