[發(fā)明專利]一種融合引導(dǎo)概率的語音識別優(yōu)化解碼方法

無效

• 申請?zhí)枺?/td>: 201210560745.4
• 申請日: 2012-12-20
• 公開（公告）號: CN102982799A
• 公開（公告）日: 2013-03-20
• 發(fā)明（設(shè)計(jì)）人: 劉文舉;楊占磊
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/06;G10L15/08
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 宋焰琴

1.一種融合引導(dǎo)概率的語音識別解碼方法，其特征在于，包括下列步驟：

步驟a：訓(xùn)練通用背景模型，用于描述整個聲學(xué)特征空間；

步驟b：計(jì)算語音幀在所述通用背景模型上的主高斯分量；

步驟c：利用聲學(xué)模型對訓(xùn)練語料庫進(jìn)行強(qiáng)制切分，得到語音幀所屬的音素；

步驟d：統(tǒng)計(jì)音素與所述通用背景模型中高斯分量的響應(yīng)頻次；

步驟e：根據(jù)所述響應(yīng)頻次計(jì)算得到引導(dǎo)概率；

步驟f：將引導(dǎo)概率融合到語音識別路徑的總得分計(jì)算中，從而完成對語音識別路徑得分的增強(qiáng)或者削弱。

2.如權(quán)利要求1所述的方法，其特征在于，所述步驟a中使用下面兩種方式之一訓(xùn)練所述通用背景模型：

其一，使用期望最大化算法訓(xùn)練混合高斯模型并逐漸增加所述混合高斯模型中高斯分量的個數(shù)，最終得到通用背景模型；

其二，分別針對訓(xùn)練語料庫中的每一個音素建立隱馬爾科夫模型；然后使用Baum-Welch算法更新所述隱馬爾科夫模型中的參數(shù)，得到訓(xùn)練好的隱馬爾科夫模型；之后，將所述隱馬爾科夫模型中的各高斯分量加權(quán)得到初始通用背景模型，并使用EM算法對所得到的通用背景模型中的各高斯分量的參數(shù)做調(diào)整，得到最終的通用背景模型。

3.如權(quán)利要求1所述的方法，其特征在于，步驟b中，對于語音幀O，其主高斯分量為在所述通用背景模型中概率值最大的高斯分量。

4.如權(quán)利要求3所述的方法，其特征在于，所述語音幀O在所述通用背景模型中的概率值如下計(jì)算：

P(O|λm)=12πΣme-(o-μm)2/2Σm]]>

其中，λ_m為所述通用背景模型中第m個高斯分量的概率密度函數(shù)，μ_m，∑_m分別表示第m個高斯分量的均值和方差。

5.如權(quán)利要求1所述的方法，其特征在于，所述步驟c具體包括：

建立三音子聲學(xué)模型，并利用所述三音子聲學(xué)模型和Viterbi算法對訓(xùn)練語料庫相對應(yīng)的音素序列中的每一個音素劃分時間邊界，得到所述音素序列中每一個音素的起始時間位置和終止時間位置，并將處于所述起始時間位置和終止時間位置之間的語音幀，標(biāo)注為屬于此音素，以此得到每一語音幀所屬的音素。

6.如權(quán)利要求1所述的方法，其特征在于，所述步驟d中，所述音素與所述通用背景模型中高斯分量的響應(yīng)頻次為：對于每一高斯分量和每一音素，以所述高斯分量為主高斯分量且屬于所述音素的語音幀的幀數(shù)。