| HMM自适应法在应力变异语音识别系统的应用 |
| |
| 引用本文： | 张文祥,张磊,马银花.HMM自适应法在应力变异语音识别系统的应用[J].黑龙江科技学院学报,2007,17(5):368-372. |
| |
| 作者姓名： | 张文祥 张磊 马银花 |
| |
| 作者单位： | 1. 黑龙江科技学院,计算机与信息工程学院,哈尔滨,150027
2. 哈尔滨工程大学,信息与通信工程学院,哈尔滨,150001 |
| |
| 摘 要： | 为了使应力变异在顽健语音识别系统中能够达到较好的识别效果,研究了基于隐马尔可夫模型(HMM)的自适应技术,提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用于应力变异语音的自适应中.实验结果表明,与基本系统相比,两种方法均有效地提高系统识别率.以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好,可以达到90.4%.
|
| 关 键 词： | 语音识别 自适应技术 最大后验概率方法 最大似然线性回归方法 自适应法 应力变异 语音识别系统 应用 speech recognition stress application based approach 训练样本 概率方法 最大后验 初始模型 识别率 基本系统 结果 实验 变异语音 MLLR 回归方法 |
| 文章编号： | 1671-0118（2007）05-0368-05 |
| 修稿时间： | 2007-01-10 |
Adaptation approach based on HMM and its application in G-Force stress speech recognition |
| |
| ZHANG Wenxiang,ZHANG Lei,MA Yinhua.Adaptation approach based on HMM and its application in G-Force stress speech recognition[J].Journal of Heilongjiang Institute of Science and Technology,2007,17(5):368-372. |
| |
| Authors: | ZHANG Wenxiang ZHANG Lei MA Yinhua |
| |
| Abstract: | In order to achieve the better effect on G-Force stress in robust speech recognition system, this paper, with an emphasis on the self-adaptation techniques based on HMM model, introduces the application of the maximum a posteriori and maximum likelihood linear regression algorithms in G-Force stressful speech adaptation. Compared with baseline system, the two approaches enable such an effective improvement in the performance of system that the best recognition rate is up to 90.4% with 150 training tokens on SD initial model by maximum a posteriori. |
| |
| Keywords: | speech recognition self-adaptation maximum a posteriori maximum likelihood linear regression |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
