LVCSR 系统中一种基于区分性和自适应瓶颈深度置信网络的特征提取方法

• 作者: 杨俊安 王一 王龙 陈雷
• 来源期刊: 信号处理
• 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 说话人自适应
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法研究
• 页码范围: 290-298
• 页数: 9页
• 分类号: TP391.41
• 字数: 7994字
• 语种: 中文

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、提升瓶颈深度置信网络的识别准确率，本文提出一种基于区分性和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，提高系统的鲁棒性。本文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，识别准确率取得了6.9%的提升。实验结果表明所提出的特征提取方法相对于传统方法的优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王一		7	61	5.0	7.0
3	杨俊安		41	260	10.0	14.0
9	陈雷		5	38	4.0	5.0
13	王龙		6	56	5.0	6.0