發(fā)布時間：2019-09-16 07:03

【摘要】：眾所周知,語音是人類最自然便捷的交流方式,也是人機交互中最直接的交互模式之一,被普遍認為是下一代人機交互革命的主角。伴隨著以智能手機、平板電腦等為代表的嵌入式移動設備的普及,以及語音核心技術和應用環(huán)境的逐步成熟,語音交互在全球范圍內(nèi)正在被越來越多的用戶接受和使用。然而,由于嵌入式移動設備的功耗和計算資源的限制,以及使用環(huán)境的復雜性等因素,使得嵌入式語音人機交互系統(tǒng)的實用化仍然存在很多的問題和挑戰(zhàn)。在這一背景下,本文圍繞嵌入式人機語音交互系統(tǒng)的關鍵共性技術問題展開較系統(tǒng)和深入的研究,具體在以下三個方面作出了一定的創(chuàng)新性工作。 首先,針對語音交互系統(tǒng)識別前端的噪聲魯棒性問題,提出了一種綜合考慮加性噪聲和信道畸變的模型補償算法,使用句子中的非語音段估計加性噪聲,然后利用EM算法估計信道函數(shù),進而在倒譜域上對失配的聲學模型進行聯(lián)合補償。算法在噪聲環(huán)境和信道失配場景下的識別性能均取得顯著提升,并且可以動態(tài)跟蹤環(huán)境的變化,性能表現(xiàn)優(yōu)于一些傳統(tǒng)的語音識別噪聲魯棒性算法。 然后,針對用戶在計算資源受限的嵌入式設備上進行中等規(guī)模連續(xù)語音識別的需求,在語音識別解碼模塊上提出了一種基于語言模型校正機制的識別解碼算法,以基于單樹詞典的搜索算法替代會導致搜索空間隨詞典規(guī)模指數(shù)級增長的傳統(tǒng)樹狀詞典拷貝算法,并通過在樹狀詞典的各節(jié)點處進行語言模型校正處理的方法來恢復單樹詞典所產(chǎn)生的搜索錯誤,在不影響識別性能的前提下使得解碼算法復雜度降低了一個數(shù)量級。接著,在識別后端置信度模塊上提出了一種基于音素聚類子空間的置信度判決算法,通過基于KL度量的音素聚類獲取更加緊致的音素子空間,以對置信度得分的規(guī)整項進行更加準確的估計,在基本不影響置信度性能的前提下,使得運算復雜度獲得了顯著下降。 最后,針對用戶對千萬量級以上文本列表集進行語音查詢的典型需求,提出了一種語音模糊檢索的系統(tǒng)解決方案,通過二級倒排索引、分塊動態(tài)規(guī)劃,以及識別重排序等算法組合,使得用戶只需要輸入檢索文本列表中的片段、縮略或者其跨序組合即可將與之關聯(lián)的備選結(jié)果查詢出來,系統(tǒng)在支持用戶以自由語音方式進行輸入的同時,具備了相當高的檢索性能,明顯改善了人機語音的交互體驗。
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2014
【分類號】：TN912.34

【參考文獻】

相關期刊論文 前1條

1 裴繼紅,謝維信;基于平滑性測度的直方圖自適應模糊增強圖像分割[J];信號處理;1999年S1期

，

本文編號：2536027