文档介绍：美国科罗拉多州大学关于在噪声环境下对大量连续语音识别系统的改进
---------噪声环境下说话声音的识别工作
简介
在本文中,我们报道美国科罗拉多州大学关于噪声环境下海军研究语音词汇系统方面的最新改进成果。特别地,我们介绍在有限语音数据的前提下,为了了解不确定观察者和变化的环境的任务(或调查方法),我们必须在提高听觉和语言模式方面努力下工夫。在大量连续词汇语音识别系统中,我们将展开MAPLR自适应方法研究。它包括单个或多重最大可能线形回归。当前噪声环境下语音识别系统使用了大量声音词汇识别的声音识别引擎。这种引擎在美国科罗拉多州大学目前得到了飞速的发展,本系统在噪声环境下说话声音系统(SPINE-2)%,比起2001年的SPINE-2来,在相关词汇错识率减少16%。
介绍
为获得噪声环境下的有活力的连续声音系统的声音,我们试图在艺术的领域做出计算和提出改善,这个工作有几方面的难点:依赖训练的有限数据工作;在训练和测试中各种各样的军事噪声存在;在每次识别适用性阶段中,不可想象的听觉溪流和有限数量的声音。
在2000年11月的SPIN-1和2001年11月SPIN-2中,海军研究词汇通过DARPT在工作上给了很大的帮助。在2001年参加评估的种类有:SPIIBM,华盛顿大学,美国科罗拉多州大学,AT&T,奥瑞哥研究所,和梅隆卡内基大学。它们中的许多先前已经报道了SPINE-1和SPLNE-2工作的结果。,同时也使用了被用于训练各种参数类型的多重声音平行理论(、PCP等)。其中每种识别系统的输出通常通过一个假定的熔合的方法来结合。这种方法能提供一个单独的结果,这个结果的错误率将比任何一个单独的识别系统的结果要低。
美国科罗拉多州大学参加了SPIN-2和SPIN-1的两次评估工作。我们2001年11月的SPIN-2是美国科罗拉多州大学识别系统基础上第一次被命名为SONIC(大量连续语音识别系统)的。在那次评估中,我们单独的最好的系统在9x的实时性的解码速率下,%的错误率,在那篇论文中,,是因为这些问题是关系到在单独识别系统下降低噪声环境下说话声音的错识率,而不考虑那些工作中的识别融合问题。
噪声环境下说话者工作任务.
这个在噪声环境下的语音工作任务采用了ARCON通信实践,本实践的发展是源于测试通信系统和在战略航中伪装工作的说话音之间的合作,一个起发射办公者的作用(例中,武器控制系统,一个激光火炮和能源);另一个起接受办公者的作用(例如雷达和声纳装置)。每个角色在隔离房间中单独发声,使用军事设备和一个适当的用于模仿的声音装置设备。在这次训练中,两个参与者通过查清和证实栅栏(格子)的位置(x轴,y轴坐标)去搜索和破坏目标。这种位于SPINE—2中的格子能从诊断测试中组成含糊的句子。SPINE—2工作需要,这个格子位置的作用是组成了最小含糊军事用语(对话)。在每次过程中,通过典型的大声说话者,军事的噪声环境被描述。这个SPINE—1的评估数据包括六个噪声环境: (媒体) 。SPINE—2通过考虑增加到军用坦克和直生机环境下的各种噪声类型扩展了SPINE—1的数据。当通过一个类似通信通道的环境中时,每一种类型中来的噪声被通过头部损坏的麦克风记录。在本文中,我们仅考虑没有编码的声音频道中的说话声识别系统。
这个大量连续语音识别系统的ASR引擎.

我们当前用于实践的2001年11月的SPINE--2是应用了SONIC而设计的。即美国科罗多州大学大量连续说话声系统。SONIC是基于连续密度的隐马尔可夫声音模式。背景依靠三角电话,声音模式是依靠决定树的。每种模式有三个发射地域(空间),用伦琴可能密度功能作为过度模式。特征参数被提取,(参数,)从而得到一个39维的特征向量(参数)。这个网络的研究工作落在重构一个稳态树。这个识别器包含一项两个通往研究的目标。其中第一个过程包含时间同步。被用于研究的迭代的修剪梁。(用一个大概的有效的方式)在第一个过度模式中被引用。第一个过程给出了句子结束点的框架。在第二个过程中,这个句子格子结果被改变成一个句子表/串。先进的语言模式(例如活动句子和基础概念)能被用作重新划分使用A*。
SONIC提供了一个整体的环境