基于gmm-hmm的声学模型训练研究

《基于gmm-hmm的声学模型训练研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于GMM-HMM的声学模型训练研究作者姓名王为凯学科专业信号与信息处理指导教师徐向民所在学院电子与信息学院论文提交日期2016.4.18ResearchoftheGMM-HMMBasedAcousticModelsADissertationSubmittedfortheDegreeofMasterCandidate：WangWeikaiSupervisor：Prof.XuXiangminSouthChinaUniversityofTechnologyGuangzhou,China分类号：TN912.34学校代号：10561学号:2013201

2、09316华南理工大学硕士学位论文基于GMM-HMM的声学模型训练研究作者姓名：王为凯指导教师姓名、职称：徐向民教授申请学位级别：学科专业名称：信号与信息处理研究方向：论文提交日期：年月日论文答辩日期：年月日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：委员：华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明

3、的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：□保密，在年解密后适用本授权书。□不保密,同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位

4、论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源总库》，传播学位论文的全部或部分内容。(请在以上相应方框内打“√”)作者签名：日期：指导教师签名：日期作者联系电话：电子邮箱：联系地址(含邮编)摘要语音识别(SpeechRecognition)是让机器自动将输入语音解码为对应文字的技术。近年来,随着声学模型及语言模型等建模算法的不断改进,语音识别系统的性能得到了极大的提高。而声学模型作为识别系统的基础，一直是语音识别研究领域的重点。它为每个声学基元建立发音的统计模型,在识别译码时作为匹配搜索的基础。一个鲁棒稳定的声学模型可以极大的

5、提高系统在不同环境下的识别性能。本设计搭建一套基于统计方法的语音识别系统，主要由以下模块组成：声学特征提取、声学模型、语言模型、解码器。其中声学特征主要采用梅尔倒谱系数MFCC特征，语言模型采用Bigram模型，解码器采用令牌传递的算法。在所搭建的系统中，我们重点研究基于GMM-HMM的声学模型训练问题，特别是基于最大似然训练方法的声学模型训练问题。本设计实现了一套基于HTK的上下文相关三音素声学模型自动化训练方法及其并行化设计方案。一定程度上解决了传统的声学模型训练耗时长，训练步骤繁琐等问题。本文主要采用基于最大似然估计的声学模型训练方法，在训练过程中借

6、助EM算法使目标函数在每次迭代更新中得到了优化；使用前后向算法等高效算法提高训练的速度。由于三音素模型基础声学单元数量很大，本文通过决策树聚类的方法减少模型的规模，以避免模型被过度训练，同时增加每个状态下的高斯分量以提高模型的精度。在公开数据集WSJ0上采用12小时语音数据进行训练，在测试集Nov92上达到90.76%的识别精度。本设计还研究了在模型训练过程中影响模型识别精度的相关因素，包括参数重估次数，数据量大小，决策树阈值设定等，给出了一套参数配置方案。最终，还在SGE平台上尝试进行多任务的并行训练，提出一种基于先进先出(FIFO)管道的声学模型训练并

7、行化框架，极大提高了特征提取及参数重估的效率，在SGE平台上实现了7-14的并行加速比，大大减少了模型训练的时间。关键词：高斯混合模型;隐马尔科夫模型;声学模型;并行化IAbstractSpeechrecognitionistomakethemachineunderstandhumanspeechthroughdecodingtheinputofspeechsignalintocomputerinstructions.Recentyeas,withthecontinuousimprovementoftheacousticmodelandthelinguis

8、ticmodel,theperformanceofthespeec