基于环境特征判别学习的顽健语音识别方法

提出一种基于环境特征判别学习的顽健语音识别方法 ,它首先通过使用一个简单的分类器和梯度下降法迭代地学得环境特征 ,接着利用得到的环境特征从观测到的混噪语音特征中估计出纯净的语音特征 ,然后将估计出来的纯净语音特征用到后端的HMM分类器中 .使用所提出的方法对不特定话者小词表进行实验 ,其系统误识率与基本HMM系统相比下降了 33 3% .

基于特征加权的应力影响下顽健语音识别方法

通过对应力影响下语音数据的分析 ,发现不同的特征维对变异的敏感程度不同。一般低维特征对变异比较敏感 ,相应的高维特征敏感程度差些。在此基础上 ,提出一种新的基于特征加权的变异语音识别方法。该方法通过对不同维特征加不同的权值来消除变异因素对语音特征的影响 ,从而提高系统的识别性能。文中提出对线性权值用最大相对熵估计方法获得权值。对航空模拟飞行器中采集的特定话者小词表孤立词的实验 ,最大相对熵估计方法的识别率可达到 89 9% ,与多重风格训练方法相比 ,识别率提高了 13 1%。

基于EDFE的顽健语音识别方法中测试环境特征的自适应

作者曾提出一种基于环境特征判别学习的顽健语音识别方法EDFE，该方法基于最小分类错误准则迭代地学习环境特征。从训练数据中学得的环境特征不可能完全反映测试环境的特点，因此研究测试环境的自适应方法，有利于提高语音识别系统性能。文章讨论EDFE中一种测试环境的自适应方法。

变异语音处理的研究进展

本文讨论了变异语音处理技术及其研究进展 ,分析了变异情况对语音识别性能产生的影响 ,综述了变异语音分类和变异语音识别方法 ,探讨了变异语音处理研究中存在的问题及未来的研究重点 .