利用多层感知机映射提高不匹配环境下的语音识别性能

本文提出了一种提高不匹配环境下的语音识别性能方法。实验证明,采用了本文提出的算法后,测试环境下的语音识别性能有了很大的提高。     

改进汉语数码语音识别中的语音特征提取性能

汉语数据码语音识别中存在三种与语音特征提取性能有关的语音混淆。     

高性能汉语数码串语音识别

本文给出了一个高性能汉语数码串非特定人连续语音识别系统,其声学模型基于Mel倒谱系数和连续HMM,识别时采用多候选帧同步搜索算法,并采用了MCE算法进行训练以提高系统的区分能力,实验证明该系统的识别率为94.8%(不定长数字串)和96.8%(定长数字串).为增强系统的实用性,本文还研究了基于MAP算法的说话人自适应算法和基于置信度的拒识算法.在进行自适应后,误识率可相对下降40%以上,在拒绝掉5%的正确语音时,系统识别率可以上升到96.9%(不定长数字串)和98.7%(定长数字串).     

基于二次多项式后验概率估计的汉语数码语音识别

本文提出了一种可在８位单片机上实现的非特定人汉语数码识别算法。该算法基于最大后验概率分类原理，利用二次多项式估计后验概率分布。其优点是识别算法的简单，不涉及动态规划过程。     

汉语数码语音识别自适应算法

说话人自适应是提高非特定人语音识别性能的有效方法之一。本文将ＭＡＰ算法应用于汉语数码语音识别中,并讨论了几种加快自适应速度的方法以及自适应对非自适应人的影响。实验表明,ＭＡＰ算法可以有效地降低汉语数码识别对被适应人的误识率,而且对非自适应人性能影响很小。     

特定人汉语数码语音抗噪识别方法

本文提出一种连续隐邓尔可夫模型（ＣＨＭＭ）和人工神经网络（ＡＮＮ）相结合的鲁棒性识别方法。用于噪声环境下特定人数码语音识别,该方法以ＣＨＭＭ的输出作为系统的识别矢量,利用人工神经网络的模式分类和自学习功能,从识别矢量空间中提取语音预识别矢量,再由识别结果进行识别输出。实验证明,这种基于ＣＨＭＭＡＮＮ的数码语音识别方法明显地提高了系统的噪声鲁棒性,适用于中小词表语音识别系统。     

汉语数码语音识别:发展现状、难点分析与方法比较

本文简述了汉语数码语音识别的发展与现状，分析了汉语数码语音识别的混淆度现象及其它困难，比较了各种实现方法，介绍了作者在实验基础上确定的一些基本参数，指出了若干改进方向。     

一种多尺度前向注意力模型的语音识别方法

注意力模型是当前语音识别中的主流模型,然而其存在一个缺点,即当前时刻的注意力模型可能产生异常得分.为此,本文首先提出前向注意力模型,其采用上一时刻正常注意力得分平滑当前时刻异常得分.接着通过对上一时刻的注意力得分添加约束因子来对前向注意力模型进行优化,达到自适应平滑的目的.最后,在优化模型基础上提出多尺度前向注意力模型,其通过引入多尺度模型来对不同等级的语音基元进行建模,进而将所得到的不同等级目标向量进行融合,以达到解决注意力得分异常值的目的.采用SwitchBoard作为训练集,Hub5'00作为测试集进行实验,相比于基线系统,多尺度前向注意力模型的词错误率（Word Error Rate,WER）相对降低14.28%.     

有限规模多层前向网络的机理分析

本文提出了有限规模多层前向网络的概念，基于对网络基本功能的认识，本文分析了网络在构成离散点集上的最小二乘逼近的机理和性质。     

一种改进的线性区分分析方法及其在汉语数码语音识别上的应用

尽管汉语数码语音识别只涉及十个数字,但由于不同数字的发音存在相同或相似的声母或韵母,造成汉语数码语音之间的混淆性很大.采用通常的隐含马尔科夫模型(HMM)作为汉语数码语音识别模型难以得到很高的识别率.为了解决汉语数码之间的混淆问题,提高汉语数码语音识别性能,本文在隐含马尔科夫模型的状态层次上采用线性区分分析方法,将不同状态之间容易混淆的特征样本构成混淆模式类,针对混淆模式类进行线性区分分析.通过线性区分变换,在变换特征空间中仅保留那些能够有效区分该混淆类别的特征参数.这种基于状态的线性区分分析有效地提高了模型对混淆数码的区分能力.实验表明即使采用状态数很少的粗糙识别模型,也能很大幅度提高模型的识别性能;经过线性区分变换优化后的汉语数码识别模型,孤立汉语数码语音识别率可以达到99.32%.     

基于经典隐马尔可夫模型的汉语连续语音识别系统

该文构造了基于经典隐马尔可夫模型(Hidden Markov Model,HMM)的汉语连续语音识别系统,定量地分析与评价了经典HMM的性能。     

用于步态识别的多层窗口图像矩

该文提出了一种以局部性矩统计量作为步态特征描述的步态识别方法。首先提取行人二值轮廓序列,构造一种基于直方图的轮廓点分布特征检测出步态周期;然后生成彩色步态运动历史图像CGHI描述步态的空间特征和时间信息;继而设计了多层同心矩形窗口分割CGHI,提取出一组矩形环窗口的矩特征量作为步态特征,在此基础上实现了步态识别。在Soton数据库上进行了实验,提出算法的正确识别率可达87.2%,优于现有方法。     

汉语语音识别中语言模型的并行优化

研究了汉语语音识别中语言模型的并行优化问题,在已有汉语语音识别有调拼音模型和多核体系结构的基础上,对其算法进行了并行优化,并优化了查询机制和前后向算法。试验表明,该方法取得了很好的效果,识别速度有了很大改进。