基于深度自编码网络语音识别噪声鲁棒性研究

• 作者: 张雪英 王亚楠 王洪翠 黄丽霞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 语音识别 鲁棒性 深度自编码网络 GFCC特征 MFCC特征
• 年，卷（期）: 2017,（13）
• 所属期刊栏目: 理论与研究
• 页码范围: 49-54
• 页数: 6页
• 分类号: TN391.42
• 字数: 4549字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0217

摘要

为了解决传统径向基(Radial basis function,RBF)神经网络在语音识别任务中基函数中心值和半径随机初始化的问题,从人脑对语音感知的分层处理机理出发,提出利用大量无标签数据初始化网络参数的无监督预训练方式代替传统随机初始化方法,使用深度自编码网络作为语音识别的声学模型,分析梅尔频率倒谱系数(Mel Frequen-cy Cepstrum Coefficient,MFCC)和基于Gammatone听觉滤波器频率倒谱系数(Gammatone Frequency Cepstrum Coefficient,GFCC)下非特定人小词汇量孤立词的抗噪性能.实验结果表明,深度自编码网络在MFCC特征下较径向基神经网络表现出更优越的抗噪性能;而与经典的MFCC特征相比,GFCC特征在深度自编码网络下平均识别率相对提升1.87%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪英	太原理工大学信息工程学院	233	1213	15.0	23.0
2	黄丽霞	太原理工大学信息工程学院	14	44	3.0	6.0
3	王亚楠	太原理工大学信息工程学院	2	13	2.0	2.0
4	王洪翠	天津大学计算机科学与技术学院	2	11	1.0	2.0