¿ªÆô×ó²à

ÓïÒôʶ±ð¼¼ÊõÁ´Â·È«¾°Í¼

×ÊѶ

Ö÷Òª°üº¬Èý´óÕ¾µã£º
Éùѧǰ¶Ë´¦Àí (Acoustic Front-End)£ºÉùÒôµÄ¡°¾»»¯ÓëÔ¤´¦Àí¡±³µ¼ä¡£
ºËÐÄʶ±ðÒýÇæ (Recognition Engine)£º´«Í³ or ¶Ëµ½¶ËÄ£ÐÍ
ºó´¦ÀíÓëÀí½â (Post-Processing & Understanding)£º´ÓÎı¾µ½¡°Òâͼ¡±µÄ×îºóÒ»¹«Àï¡£

µÚ1Õ¾£ºÉùѧǰ¶Ë´¦Àí ¡ª¡ª ÉùÒôµÄ¡°¾»»¯ÓëÔ¤´¦Àí¡±
ÕâÊÇËùÓй¤×÷µÄÆðµã£¬Ò²ÊǾö¶¨Ê¶±ðÉÏÏ޵Ĺؼü¡£ËüµÄÄ¿±êÊÇ¡°´ÓàÐÔÓµÄÕæÊµ»·¾³ÖÐÌáÈ¡³ö×îÇåÎú¡¢×î´¿¾»¡¢×îÊʺϻúÆ÷·ÖÎöµÄÓïÒôÐźš±¡£
Ò»¡¢ÐźŲɼ¯ÓëÔ¤´¦Àí
Ä£ÄâÐźÅÊý×Ö»¯£ºÍ¨¹ýÄ£Êýת»»Æ÷£¨ADC£©½«Âó¿Ë·ç²É¼¯µÄÄ£ÄâÓïÒôÐźÅת»»ÎªÊý×ÖÐźţ¬²¢×ñÑ­ÄοüË¹ÌØ²ÉÑù¶¨Àí£¨²ÉÑùƵÂÊÐè´óÓÚÐźÅ×î¸ßƵÂʵÄÁ½±¶£©
Ô¤¼ÓÖØÂ˲¨£ºÊ¹ÓøßͨÂ˲¨Æ÷£¨ÈçFIR»òIIRÂ˲¨Æ÷£©ÌáÉýÓïÒô¸ßƵ·ÖÁ¿£¬²¹³¥ÉùµÀ¹ö½µÐ§Ó¦£¬ÔöÇ¿¸ßƵϸ½Ú£¨È縨Òô£©£¬Í¬Ê±¼õÉÙ´«ÊäÔëÉù
·ÖÖ¡Óë¼Ó´°
·ÖÖ¡£º½«Á¬ÐøÓïÒôÇзÖΪ¶Ìʱ֡£¨Í¨³£20-40ms£©£¬ÒòÓïÒôÐźžßÓжÌʱƽÎÈÐÔ¡£
¼Ó´°£ºÓ¦ÓúºÃ÷´°¡¢ººÄþ´°µÈ¼õÉÙÆµÆ×й©£¬Æ½»¬Ö¡±ß½ç¡£
¶þ¡¢ÔëÉùÓë¸ÉÈÅÒÖÖÆ
¶Ëµã¼ì²â£¨VAD£©£ºÍ¨¹ý¶ÌʱÄÜÁ¿£¨STE£©ºÍ¹ýÁãÂÊ£¨ZCC£©Çø·ÖÓïÒô¶ÎÓë¾²Òô¶Î£¬Çгý¾²Òô²¿·ÖÒÔ¼õÉÙÈßÓà¼ÆËã
ÔëÉùÒÖÖÆ
Æ×¼õ·¨£º»ùÓÚÔëÉù¹À¼Æ´ÓƵÆ×ÖмõÈ¥ÔëÉù³É·Ö¡£
WienerÂ˲¨£ºÍ¨¹ý×îС¾ù·½Îó²îÓÅ»¯ÔëÉùÒÖÖÆÐ§¹û¡£
Éî¶Èѧϰ·½·¨£ºÈç»ùÓÚDNNµÄÔëÉù¹À¼ÆÄ£ÐÍ£¬ÌáÉý¸´ÔÓ»·¾³ÏµÄ³°ôÐÔ¡£
»ØÉùÏû³ý£¨AEC£©£ºÀûÓÃ×ÔÊÊÓ¦Â˲¨Æ÷Ïû³ýÑïÉùÆ÷²¥·ÅÉùÒô¾­Âó¿Ë·ç»Ø´«µÄ¸ÉÈÅ£¬³£¼ûÓڵ绰»áÒéµÈ³¡¾°
Èý¡¢ÌØÕ÷ÌáÈ¡
÷¶ûƵÂʵ¹Æ×ϵÊý£¨MFCC£©£ºÄ£ÄâÈ˶úÌý¾õÌØÐÔ£¬Í¨¹ý÷¶ûÂ˲¨Æ÷×éÌáȡƵÆ×ÌØÕ÷£¬¹ã·ºÓÃÓÚ´«Í³ÓïÒôʶ±ðϵͳ
¸ÐÖªÏßÐÔÔ¤²â£¨PLP£©£º½áºÏÌý¾õ¸Ð֪ģÐÍÓëÉùµÀÏßÐÔÔ¤²â£¬ÔöÇ¿¶ÔÔëÉùµÄ³°ôÐÔ
Éî¶ÈÑ§Ï°ÌØÕ÷ÌáÈ¡
¾í»ýÉñ¾­ÍøÂ磨CNN£©£ºÌáÈ¡¾Ö²¿Ê±ÆµÌØÕ÷¡£
Ñ­»·Éñ¾­ÍøÂ磨RNN/LSTM£©£º²¶×½³¤Ê±Ê±ÐòÒÀÀµ¹ØÏµ¡£
ËÄ¡¢ÐźÅÔöÇ¿ÓëÓÅ»¯
»ìÏìÏû³ý£ºÍ¨¹ý¶àͨµÀ²¨ÊøÐγɻòµ¥Í¨µÀ»ìÏìÏû³ýËã·¨£¨ÈçÄæÂ˲¨£©ÒÖÖÆ·¿¼ä·´ÉäÉù£¬ÌáÉýÄ¿±êÓïÒôÇåÎú¶È
ÉùµÀ¾ùºâ»¯£º²¹³¥ÓïÒôÔÚ´«²¥¹ý³ÌÖÐµÄÆµÆ×Ë¥¼õ£¬Ê¹²»Í¬·½ÏòµÄÓïÒôÄÜÁ¿·Ö²¼¸ü¾ùºâ
¶¯Ì¬·¶Î§Ñ¹ËõÓëÔöÒæµ÷Õû£º×Ô¶¯ÔöÒæ¿ØÖÆ£¨AGC£©Æ½ºâ²»Í¬Ëµ»°È˵ÄÒôÁ¿²îÒ죬ÔöÇ¿ÓïÒô¿É¶®¶È

µÚ2Õ¾£ººËÐÄʶ±ðÒýÇæ
´«Í³Ä£ÐÍ
ÔÚ´«Í³µÄÓïÒôʶ±ðϵͳÖУ¬Ê¶±ðµÄºËÐÄ»·½Ú£¬Õâͨ³£ÓÉÒ»¸ö¡°×¨¼ÒÍŶӡ±Ð­Í¬Íê³É¡£
1. ÉùѧģÐÍ (Acoustic Model, AM):¡°ÒôËØ·ÖÎöʦ¡±
Ö°Ô𣺠ËüµÄÈÎÎñÊǽ«ÊäÈëµÄÉùÑ§ÌØÕ÷£¨ÈçMFCC£©Æ¥Åäµ½×îСµÄÓïÒôµ¥Ôª¡ª¡ª¡°ÒôËØ (Phoneme)¡±¡£ÀýÈ磬ËüÒªÅжÏһС¶ÎÌØÕ÷¶ÔÓ¦µÄÊÇ/b/, /a/, /t/»¹ÊÇ/k/µÈ·¢Òô¡£
¼¼Êõ£º ÔçÆÚʹÓøß˹»ìºÏÄ£ÐÍ£¨GMM-HMM£©£¬ÏÖÔÚÖ÷Á÷ÊÇ»ùÓÚÉî¶ÈÉñ¾­ÍøÂ磨DNN-HMM£©µÄÄ£ÐÍ£¬Ê¶±ð¸ü¾«×¼¡£
2. ·¢Òô´Êµä (Pronunciation Lexicon):¡°´Ê»ãר¼Ò¡±
Ö°Ô𣺠ËüÊÇÒ»±¾¾Þ´óµÄ×ֵ䣬¼Ç¼ÁËÿ¸öµ¥´ÊÊÇÓÉÄÄЩÒôËØÐòÁÐ×é³ÉµÄ¡£ÀýÈ磬ËüÖªµÀ "cat" ¶ÔÓ¦ /k/ /æ/ /t/¡£
×÷Ó㺠ËüÊÇÁ¬½ÓÉùѧģÐͺÍÓïÑÔÄ£Ð͵ÄÇÅÁº£¬¸æËßϵͳ£¬ÒôËØ·ÖÎöʦÕÒµ½µÄÒôËØÐòÁпÉÒÔÆ´³ÉÄÄЩ´Ê¡£
3. ÓïÑÔÄ£ÐÍ (Language Model, LM):¡°Óï·¨ÓëÓï¾³´óʦ¡±
Ö°Ô𣺠ËüÅжÏÒ»¸ö´ÊÓïÐòÁУ¨¾ä×Ó£©ÊÇ·ñͨ˳¡¢ºÏºõÂß¼­¡£
×÷Ó㺠ÔÚʶ±ð¹ý³ÌÖУ¬¿ÉÄÜ»á³öÏÖ¶à¸ö·¢ÒôÏàËÆµÄºòÑ¡´Ê£¬±ÈÈç "ʶ±ðÓïÒô" ºÍ "ʯ±ÚÓêÒÂ"¡£ÓïÑÔÄ£ÐÍ»á¸ù¾Ý´óÁ¿µÄÎı¾Êý¾Ýѧϰµ½£¬¡°Ê¶±ðÓïÒô¡±Õâ¸ö×éºÏ³öÏֵĸÅÂÊÔ¶´óÓÚ¡°Ê¯±ÚÓêÒ¡±£¬´Ó¶ø°ïÖúϵͳ×ö³öÕýÈ·Ñ¡Ôñ¡£
4. ½âÂëÆ÷ (Decoder):¡°ÏîÄ¿×ÜÖ¸»Ó¡±
Ö°Ô𣺠½âÂëÆ÷ÊÇÕû¸öÍŶӵľö²ßÕß¡£Ëü½«ÉùѧģÐÍ¡¢·¢Òô´ÊµäºÍÓïÑÔÄ£ÐÍÌṩµÄËùÓÐÐÅÏ¢×ÛºÏÆðÀ´£¬ÀûÓø´ÔÓµÄËÑË÷Ëã·¨£¨ÈçÎ¬ÌØ±ÈËã·¨£©£¬ÔÚÅÓ´óµÄ¿ÉÄÜÐÔÍøÂçÖУ¬Ñ°ÕÒÒ»Ìõ¸ÅÂÊ×î¸ß¡¢×îºÏÀíµÄ·¾¶£¬ÕâÌõ·¾¶¶ÔÓ¦µÄ¾ÍÊÇ×îÖÕµÄʶ±ð½á¹û¡£
ÊÕ²Ø
ËÍÔÞ
·ÖÏí

·¢±í»Ø¸´

µÇ¼ºó²ÅÄÜÆÀÂÛ

ÆÀÂÛÁÐ±í£¨1£©

ÓïÒôʶ±ð¼¼ÊõÁ´Â·È«¾°Í¼£¬´óÁ¦Ö§³Ö£¡£¡£¡£¡£¡£¡£¡£¡£¡£¡£¡£¡
2006-7-10 22:59:00 »Ø¸´

ÒôƵ·ÖÀà´óÈ«

+ ²é¿´È«²¿·ÖÀà