本文選題：語種識別　切入點：端對端網(wǎng)絡(luò)　出處：《中國科學(xué)技術(shù)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：語種識別技術(shù)是利用自動化方法對語音內(nèi)容所屬語言種類的判決過程。語種識別技術(shù)作為智能語音處理中包括自動語音識別、聲紋識別及自然語言處理中重要的前端處理過程,在近十年有了長足的發(fā)展。到目前為止,基于深瓶頸特征的全差異空間建模是國際主流語種識別方法,并取得了目前公認最好的識別性能。該方法使用基于深度神經(jīng)網(wǎng)絡(luò)的聲學(xué)模型,提取能夠描述音素狀態(tài)的深瓶頸特征并建立相應(yīng)的高斯混合模型,但這些信息并不直接面向語種區(qū)分性信息進行建模;并且由于全差異空間建模是生成式的學(xué)習方法,在訓(xùn)練過程中并沒有用到語種標號的信息,而忽略了不同語種類別之間的分類面,因此該系統(tǒng)在信息量不足的短時語音上性能有較大幅度的衰減。近幾年,也有學(xué)者利用端對端網(wǎng)絡(luò)的方法搭建了語種識別系統(tǒng)。這類網(wǎng)絡(luò)摒棄了傳統(tǒng)的全差異空間建模方法,輸入底層聲學(xué)特征,輸出語種標號。從簡單的深度神經(jīng)網(wǎng)絡(luò)到近幾年流行的長短時記憶-循環(huán)神經(jīng)網(wǎng)絡(luò)再到最新的基于注意力機制的網(wǎng)絡(luò)結(jié)構(gòu)都有涉獵。大多數(shù)網(wǎng)絡(luò)的性能差強人意,但仍然難以在性能上與基線系統(tǒng)形成優(yōu)勢。本文圍繞基于端對端神經(jīng)網(wǎng)絡(luò)的策略提出了一些語種識別方法,并做了相應(yīng)的分析,具體研究內(nèi)容包括以下幾點。首先,本文實現(xiàn)了端對端網(wǎng)絡(luò)的語種識別方法,稱為LID-net。LID-net首先利用深度神經(jīng)網(wǎng)絡(luò)在幀級特征上的優(yōu)秀建模能力提取帶有語種區(qū)分性信息的特征;然后利用卷積神經(jīng)網(wǎng)絡(luò)的卷積層提取具有語種區(qū)分性的基本單元,稱為LID-senone,這是仿照語音識別中對三音子狀態(tài)的定義;再利用卷積神經(jīng)網(wǎng)絡(luò)的池化層提取語音的段級表達;最后使用全連接層對語音段表示進行分類操作。實驗表明,該網(wǎng)絡(luò)在不同時長的不同指標中相比國際主流方法均有提升,尤其在短時及中短時語音上的識別性能上有較大幅度提升。其次,本文進行了基于LID-net的語種識別建模方法的研究,旨在利用語種區(qū)分性基本單元LID-senone進行高階統(tǒng)計量信息建模。本文實現(xiàn)了兩種建模方法,一種是基于LID-net的全差異空間建模,另一種是基于LID-net的Fisher Vector建模,兩種建模方法的特征及混合高斯模型都是直接面向語種區(qū)分性信息進行建模的。實驗表明,兩種方法在各種時長上的識別性能均有提升。最后,本文搭建了另一種利用端對端網(wǎng)絡(luò)的語種識別方法,稱為LID-bilinear-net。該網(wǎng)絡(luò)結(jié)合了端對端建模方法的區(qū)分性訓(xùn)練及全差異建模方法可以有效提取特征高階統(tǒng)計量信息的優(yōu)勢,提取LID-senone的高階統(tǒng)計量信息。實驗結(jié)果表明,該網(wǎng)絡(luò)在短時語音上的識別性能有了進一步地提升。
[Abstract]:Language recognition technology is an important front-end process in intelligent speech processing, which includes automatic speech recognition, voiceprint recognition and natural language processing. Up to now, full difference space modeling based on deep bottleneck feature is the international mainstream language recognition method. In this method, the acoustic model based on depth neural network is used to extract the characteristics of deep bottleneck which can describe the phoneme state, and the corresponding Gao Si mixed model is established. However, the information is not directly oriented to the differentiated information, and because the total difference space modeling is a generative learning method, there is no language label information in the training process. However, the classification surface between different language categories is neglected, so the performance of the system in short term speech with insufficient information is greatly attenuated. Some scholars also use end-to-end network to build a language recognition system. This kind of network abandons the traditional full-difference space modeling method and inputs the underlying acoustic features. Output language labeling. Ranging from simple depth neural networks to the long-short-term memory-cyclic neural networks that have been popular in recent years to the latest attention-based networks, most networks have poor performance. However, it is still difficult to form an advantage over the baseline system in performance. In this paper, some language recognition methods based on end-to-end neural network are proposed, and the corresponding analysis is made. The specific research contents include the following points. In this paper, an end-to-end network language recognition method is implemented, which is called LID-net.LID-net, which firstly uses the excellent modeling ability of depth neural network in frame level features to extract features with language distinguishing information. Then we use the convolution layer of the convolution neural network to extract the basic unit with language differentiation, called LID-senone, which is the definition of the trisyllabic state in speech recognition, and then use the pool layer of the convolutional neural network to extract the segment expression of the speech. Finally, the full connection layer is used to classify the speech segment representation. The experiment shows that the network has improved compared with the international mainstream method in different time and different indexes. Especially in short and medium term speech recognition performance has been greatly improved. Secondly, this paper studies the modeling method of language recognition based on LID-net. In this paper, we implement two modeling methods, one is the full difference space modeling based on LID-net, the other is Fisher Vector modeling based on LID-net. The characteristics of the two modeling methods and the mixed Gao Si model are directly oriented to the differentiated information. The experiments show that the recognition performance of the two methods has been improved in various time periods. Finally, In this paper, another language recognition method based on end-to-end network, called LID-bilinear-net-net, is built. The network combines the advantages of the discriminative training of end-to-end modeling method and the all-differential modeling method to extract feature higher-order statistics information effectively. The high order statistic information of LID-senone is extracted and the experimental results show that the recognition performance of the network in short term speech is further improved.
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN912.34;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：1563461