基于迁移学习的噪声鲁棒语音识别声学建模

• 作者: 刘斌 易江燕 温正棋 陶建华
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 鲁棒语音识别 声学模型 神经网络 迁移学习
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 自动化
• 页码范围: 55-60
• 页数: 6页
• 分类号: TP391.42|TP183
• 语种: 中文
• DOI: 10.16511/j.cnki.qhdxxb.2018.21.001

摘要

为了提高噪声环境下语音识别系统的鲁棒性,提出了一种基于迁移学习的声学建模方法.该方法用干净语音的声学模型(老师模型)指导带噪语音的声学模型(学生模型)进行训练.学生模型在训练过程中,尽量使其逼近老师模型的后验概率分布.学生模型和老师模型间的后验概率分布差异通过相对熵(KL divergence)加以最小化.CHiME-2数据集上的实验结果表明,该方法的平均词错率(WER)比基线的绝对下降了7.29％,比CHiME-2竞赛第一名的绝对下降了3.92％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘斌	中国科学院自动化研究所	230	3876	32.0	56.0
2	陶建华	中国科学院自动化研究所	31	133	6.0	11.0
3	温正棋	中国科学院自动化研究所	3	2	1.0	1.0
4	易江燕	中国科学院自动化研究所	1	0	0.0	0.0