低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统

• 作者: 刘加 夏善红 康健 田垚 黄光许
• 来源期刊: 计算机应用研究
• 关键词: 语音识别 长短时记忆神经网络 身份认证矢量
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 392-396
• 页数: 5页
• 分类号: TP391.42
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.016

摘要

在低资源条件下,由于带标注训练数据较少,搭建的语音识别系统性能往往不甚理想.针对此问题,首先在声学模型上研究了长短时记忆(LSTM)递归神经网络,通过对长序列进行建模来充分挖掘上下文信息,并且引入线性投影层减小模型参数;然后研究了在特征空间中对说话人进行建模的技术,提取出能有效反映说话人和信道信息的身份认证矢量(i-vector);最后将上述研究结合构建了基于i-vector特征的LSTM递归神经网络系统.在Open KWS 2013标准数据集上进行实验,结果表明该技术相比于深度神经网络基线系统有相对10％的字节错误率降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏善红	中国科学院电子学研究所传感技术国家重点实验室	111	654	14.0	18.0
2	刘加	清华大学电子工程系清华信息科学与技术国家实验室	79	938	18.0	28.0
3	康健	清华大学电子工程系清华信息科学与技术国家实验室	6	61	4.0	6.0
4	黄光许		1	22	1.0	1.0
8	田垚	清华大学电子工程系清华信息科学与技术国家实验室	2	22	1.0	2.0