基于瓶颈复合特征的声学模型建立方法

• 作者: 姚引娣 文心怡 赵峻毅 郑文秀
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度神经网络 梅尔频率倒谱系数 瓶颈特征 复合特征 高斯混合模型-隐马尔科夫模型
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 301-305,314
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056278

摘要

针对梅尔频率倒谱系数(MFCC)语音特征不能有效反映连续帧之间有效信息的问题,基于深度神经网络相关性和紧凑性特征,提出一种融合神经网瓶颈特征与MFCC特征的复合特征构造方法,提高语音的表征能力和建模能力.从语音数据中提取MFCC特征作为输入数据,将MFCC特征和BN特征进行串接得到新的复合特征,并进行GMM-HMM声学建模.在TIMIT数据库上的实验结果表明,与单一的瓶颈特征和深度神经网络后验特征相比,该方法识别率明显提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚引娣		24	100	4.0	9.0
2	郑文秀		22	55	4.0	6.0
3	赵峻毅		1	0	0.0	0.0
4	文心怡		1	0	0.0	0.0