發(fā)布時(shí)間：2019-09-16 07:03

【摘要】：眾所周知,語(yǔ)音是人類(lèi)最自然便捷的交流方式,也是人機(jī)交互中最直接的交互模式之一,被普遍認(rèn)為是下一代人機(jī)交互革命的主角。伴隨著以智能手機(jī)、平板電腦等為代表的嵌入式移動(dòng)設(shè)備的普及,以及語(yǔ)音核心技術(shù)和應(yīng)用環(huán)境的逐步成熟,語(yǔ)音交互在全球范圍內(nèi)正在被越來(lái)越多的用戶接受和使用。然而,由于嵌入式移動(dòng)設(shè)備的功耗和計(jì)算資源的限制,以及使用環(huán)境的復(fù)雜性等因素,使得嵌入式語(yǔ)音人機(jī)交互系統(tǒng)的實(shí)用化仍然存在很多的問(wèn)題和挑戰(zhàn)。在這一背景下,本文圍繞嵌入式人機(jī)語(yǔ)音交互系統(tǒng)的關(guān)鍵共性技術(shù)問(wèn)題展開(kāi)較系統(tǒng)和深入的研究,具體在以下三個(gè)方面作出了一定的創(chuàng)新性工作。 首先,針對(duì)語(yǔ)音交互系統(tǒng)識(shí)別前端的噪聲魯棒性問(wèn)題,提出了一種綜合考慮加性噪聲和信道畸變的模型補(bǔ)償算法,使用句子中的非語(yǔ)音段估計(jì)加性噪聲,然后利用EM算法估計(jì)信道函數(shù),進(jìn)而在倒譜域上對(duì)失配的聲學(xué)模型進(jìn)行聯(lián)合補(bǔ)償。算法在噪聲環(huán)境和信道失配場(chǎng)景下的識(shí)別性能均取得顯著提升,并且可以動(dòng)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(yǔ)音識(shí)別噪聲魯棒性算法。 然后,針對(duì)用戶在計(jì)算資源受限的嵌入式設(shè)備上進(jìn)行中等規(guī)模連續(xù)語(yǔ)音識(shí)別的需求,在語(yǔ)音識(shí)別解碼模塊上提出了一種基于語(yǔ)言模型校正機(jī)制的識(shí)別解碼算法,以基于單樹(shù)詞典的搜索算法替代會(huì)導(dǎo)致搜索空間隨詞典規(guī)模指數(shù)級(jí)增長(zhǎng)的傳統(tǒng)樹(shù)狀詞典拷貝算法,并通過(guò)在樹(shù)狀詞典的各節(jié)點(diǎn)處進(jìn)行語(yǔ)言模型校正處理的方法來(lái)恢復(fù)單樹(shù)詞典所產(chǎn)生的搜索錯(cuò)誤,在不影響識(shí)別性能的前提下使得解碼算法復(fù)雜度降低了一個(gè)數(shù)量級(jí)。接著,在識(shí)別后端置信度模塊上提出了一種基于音素聚類(lèi)子空間的置信度判決算法,通過(guò)基于KL度量的音素聚類(lèi)獲取更加緊致的音素子空間,以對(duì)置信度得分的規(guī)整項(xiàng)進(jìn)行更加準(zhǔn)確的估計(jì),在基本不影響置信度性能的前提下,使得運(yùn)算復(fù)雜度獲得了顯著下降。 最后,針對(duì)用戶對(duì)千萬(wàn)量級(jí)以上文本列表集進(jìn)行語(yǔ)音查詢的典型需求,提出了一種語(yǔ)音模糊檢索的系統(tǒng)解決方案,通過(guò)二級(jí)倒排索引、分塊動(dòng)態(tài)規(guī)劃,以及識(shí)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(guān)聯(lián)的備選結(jié)果查詢出來(lái),系統(tǒng)在支持用戶以自由語(yǔ)音方式進(jìn)行輸入的同時(shí),具備了相當(dāng)高的檢索性能,明顯改善了人機(jī)語(yǔ)音的交互體驗(yàn)。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TN912.34

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 裴繼紅,謝維信;基于平滑性測(cè)度的直方圖自適應(yīng)模糊增強(qiáng)圖像分割[J];信號(hào)處理;1999年S1期

，

本文編號(hào)：2536027