摘要：介紹一種融合最大后驗(yàn)概率算法和改進(jìn)的高階倒譜歸整的抗噪聲語音識(shí)別方法。將最大后驗(yàn)概率算法用于特征空間來估計(jì)電話通道特性（通道差的估計(jì)），用分段高階倒譜歸整進(jìn)行后續(xù)補(bǔ)償，可以同時(shí)減少電話語音中卷積噪聲和加性噪聲的影響。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性，與傳統(tǒng)的倒譜均值減相比，訓(xùn)練庫中識(shí)別率從46.3%提高到87.5%。

關(guān)鍵詞：電話語音識(shí)別 高階倒譜規(guī)整 最大后驗(yàn)概率估計(jì) 分段

電話語音識(shí)別借助通信平臺(tái)，實(shí)現(xiàn)了語音技術(shù)的更廣泛應(yīng)用，人們通過最便捷的電話方式可以查詢到遠(yuǎn)端數(shù)據(jù)庫中的所需信息，給日常生活帶來了極大的方便。然而由于電話網(wǎng)絡(luò)中各種噪聲的影響，使得語音識(shí)別系統(tǒng)的性能大幅度下降。電話語音的噪聲主要分為兩部分：背景噪聲和電噪聲的影響為加性噪聲；由電話話筒和傳輸線引起的通道影響，即卷積噪聲。盡可能地減少這兩種噪聲在電話語音中的影響，提高電話語音的魯棒性是系統(tǒng)達(dá)到實(shí)用化的關(guān)鍵。

針對電話語音魯棒性的研究，前人已經(jīng)作了很多工作，提出的一些方法如倒譜均值減[1]（CMS）、CDCN[2]（Codeword-Dependent Cepstral Normalization）、相對譜RASTA[3]（RelAtive SpecTral）處理技術(shù)等，對減少測試環(huán)境與訓(xùn)練環(huán)境的失配都有一定的效果。但隨著噪聲的增強(qiáng)，以上方法對系統(tǒng)性能的提高都在非常有限。

基于最大后驗(yàn)概率(MAP)算法的自適應(yīng)方法利用Bayes理論，通過對模型參數(shù)進(jìn)行修正，顯示了相當(dāng)好的性能。為了減小模型計(jì)算的復(fù)雜度，該文也將MAP算法用于特征空間，用該算法估計(jì)電話通道影響。高階倒譜歸整是將倒譜均值減的均值歸一擴(kuò)展到更高階階矩歸一。研究發(fā)現(xiàn)，當(dāng)歸一化較高階數(shù)的階矩時(shí)，失配進(jìn)一步減少，帶噪語音信號(hào)的概率密度函數(shù)更接近干凈語音的概率密度函數(shù)，特征參數(shù)更具有魯棒性。

本文提出了一種基于最大后驗(yàn)概率算法的估計(jì)通道影響方法，并用改進(jìn)的高階倒譜歸整作后續(xù)補(bǔ)償，將兩者結(jié)合同時(shí)提高系統(tǒng)對加性噪聲和卷積噪聲的魯棒性。實(shí)驗(yàn)表明這種方法能有效地提高電文事音識(shí)別系統(tǒng)的識(shí)別率。

1 算法描述

1.1 通道估計(jì)理論

假設(shè)Y（n）表示實(shí)際的電話語音倒譜矢量，X（n）表示純凈語音的倒譜矢量，h表示通道響應(yīng)的倒譜失量。在不考慮北京噪聲的情況下有：

Y（n）=X（n）+h （1）

將（1）式兩邊同時(shí)減去通道矢量的估計(jì)值h，有

Y＇（n）Y（n）-h=X（n）+h-h=X（n）+Δh （2）

其中Δh=h-h。目的是盡可能地使Y＇（n）接近于X（n），若再將（2）式兩邊同時(shí)減去Δh的估計(jì)值Δh，可以進(jìn)一步減少失配。

Y″（n）=Y＇（n）-Δh=X（n）+Δh＇ （3）

其中Δh=Δh-Δh。

研究發(fā)現(xiàn)，CMS是用于估計(jì)通道矢量的有效方法之一，因其有理簡單、計(jì)算方便而應(yīng)用廣泛。由CMS方法得到h=Y后，（3）式表示為：

Y″(n)=Y(n)-Y-Δh (4)

1.2 MAP算法[4-5]

在MAP算法中，后驗(yàn)概率由似然函數(shù)和先驗(yàn)概率組成。由于引入了通道的先驗(yàn)統(tǒng)計(jì)特性，理論上MAP算法比最大似然估計(jì)算法（ML）估計(jì)得要準(zhǔn)確。因此，用MAP估計(jì)通道向量與均值的差，把（4）式中的Δh表示為ΔhMAP，同時(shí)，為了表示方便，將Y(n)-Y用Z來表示。

運(yùn)用MAP算法求ΔhMAP，用公式表示為：

ΔhMAP=argmax P(Δh/Z) (5)

其中P(Δh/Z)是后驗(yàn)概率，直接從（5）式中估計(jì)ΔhMAP是很困難的，然而（5）式等價(jià)為：

為計(jì)算方便是，將(6)式取對數(shù)，得到：

基于MAP算法和高階倒譜歸整的電話語音識(shí)別方法 [日期：2005-12-27] 來源：電子技術(shù)應(yīng)用 作者：徐 潔 楊鼎才 [字體：大 中 小]