多噪声环境下的层级语音识别模型

• 作者: 曹晶晶 许洁萍 邵聖淇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 语音识别 噪声鲁棒性 环境噪声 声学模型 深度神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 1790-1794
• 页数: 5页
• 分类号: TP391.4
• 字数: 5392字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017112678

摘要

针对多噪声环境下的语音识别问题,提出了将环境噪声作为语音识别上下文考虑的层级语音识别模型.该模型由含噪语音分类模型和特定噪声环境下的声学模型两层组成,通过含噪语音分类模型降低训练数据与测试数据的差异,消除了特征空间研究对噪声稳定性的限制,并且克服了传统多类型训练在某些噪声环境下识别准确率低的弊端,又通过深度神经网络(DNN)进行声学模型建模,进一步增强声学模型分辨噪声的能力,从而提高模型空间语音识别的噪声鲁棒性.实验中将所提模型与多类型训练得到的基准模型进行对比,结果显示所提层级语音识别模型较该基准模型的词错率(WER)相对降低了20.3％,表明该层级语音识别模型有利于增强语音识别的噪声鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹晶晶	中国人民大学信息学院	4	12	2.0	3.0
2	许洁萍	中国人民大学信息学院	14	65	5.0	7.0
3	邵聖淇	中国人民大学信息学院	1	9	1.0	1.0