基于ＣＨＭＭ語音識別特征參數(shù)的選擇方法

摘 要：基于CHMM的語音識別系統(tǒng)識別率高，但卻占用系統(tǒng)資源較大，從而限制了其在資源受限的實(shí)際應(yīng)用環(huán)境的有效實(shí)現(xiàn)。針對上述問題，給出特征參數(shù)選擇的理論依據(jù)，彌補(bǔ)以往研究僅從實(shí)驗(yàn)結(jié)果分析，缺少理論依據(jù)的不足；同時(shí)提出根據(jù)各特征參數(shù)對系統(tǒng)誤識率的影響程度來選擇特征參數(shù)的新方法。該方法能使系統(tǒng)在訓(xùn)練，識別過程中的計(jì)算量和存儲量明顯減小，同時(shí)系統(tǒng)誤識率不會顯著改變。這為資源受限的語音識別系統(tǒng)，提供新的思路和有效的特征參數(shù)選擇方法。

關(guān)鍵詞：語音識別；CHMM模型；特征參數(shù)選擇

中圖分類號：TP391．4 文獻(xiàn)標(biāo)識碼：A

1 引言

在語音識別的三大算法中CHMM算法的高識別率是以大計(jì)算量和大存儲量為代價(jià)的，在基于嵌入式技術(shù)的語音識別系統(tǒng)或具有較強(qiáng)實(shí)時(shí)性要求的語音識別系統(tǒng)等特殊情況下，系統(tǒng)的資源和計(jì)算能力往往受到較大的限制，在保證一定識別率情況下減少識別算法對系統(tǒng)存儲與計(jì)算資源的需求，具有重要意義。而語音識別系統(tǒng)的性能與系統(tǒng)所采用的特征參數(shù)密切相關(guān)，這就為我們利用特征參數(shù)的選取來實(shí)現(xiàn)系統(tǒng)識別性能與計(jì)算資源需求之間的折衷處理成為可能。目前，有很多文獻(xiàn)做了各類特征參數(shù)對識別效果影響程度的研究工作，卻沒有討論同一種類參數(shù)分量的問題；則通過對相鄰分量的組合，用實(shí)驗(yàn)結(jié)果說明了MFCC分量的相對重要性，但他們都僅用實(shí)驗(yàn)結(jié)果加以說明，缺乏理論分析。

本文從CHMM模型的特點(diǎn)出發(fā)：一方面從理論上給出了選擇特征參數(shù)的數(shù)學(xué)依據(jù)，另一方面提出根據(jù)特征參數(shù)對系統(tǒng)誤識率的影響程度，選擇特征參數(shù)的方法。

2 基于CHMM模型特征參數(shù)選擇的理論分析

CHMM的Gauss概率密度函數(shù)的協(xié)方差矩陣本來應(yīng)該是對稱的滿矩陣，為了降低對計(jì)算復(fù)雜度和存儲量的要求，一般簡化為對角矩陣。采用對角協(xié)方差陣使模型的參數(shù)減少，也有利于避免因訓(xùn)練樣本不足而影響模型參數(shù)估計(jì)的可靠性。而且實(shí)驗(yàn)結(jié)果表明，概率密度函數(shù)的個(gè)數(shù)較多且取對角協(xié)方差陣的方案優(yōu)于概率密度函數(shù)較少且取滿元協(xié)方差陣的方案。所以，實(shí)際中一般使用具有對角協(xié)方差陣的Gauss概率密度函數(shù)。CHMM計(jì)算

的特征矢量。通常，人們使用MFCC+AMFCC或LPCC+ALPCC作為特征矢量，即將MFCC、AMFCC、LPCC、ALPCC作為整體來處理。需要注意的是MFCC和LPCC雖然分別有其完整的物理意義，即Mel刻度聽覺參數(shù)的同態(tài)變換系數(shù)和聲道參數(shù)，將他們的各個(gè)分量獨(dú)立考慮會破壞其物理意義的完整性，但在基于對角協(xié)方差陣的CHMM的模型中，各個(gè)分量相互獨(dú)立，從而使得我們可以根據(jù)各個(gè)分量的重要性來選擇分量，構(gòu)成特征矢量以減少計(jì)算量。另一方面，由于舍去的是對誤識率影響較小的分量，所以系統(tǒng)的識別效果不會顯著改變，從而充分有效的利用了特征矢量的區(qū)分特性。在減少計(jì)算量的同時(shí)，保證了識別率。

3 CHMM算法計(jì)算量與存儲量的分析

3．1 MFCC、AMFCC求取

目前，在語音識別系統(tǒng)中，最常用就是具有較好抗噪性能的MFCC+AMFCC參數(shù)。其求取步驟為：1)對預(yù)處理后的每一幀語音信號先進(jìn)行快速傅里葉變換以獲得頻譜分布信息2)然后將頻域信號通過一組三角濾波器，中心頻率在Mel刻度上均勻分布3)求出每個(gè)濾波器的輸出對數(shù)能量4)對其進(jìn)行離散余弦變換得MFCC5)對MFCC求差分得AMFCC

3．2 計(jì)算量與存儲量的分析

設(shè)CHMM模型采用N個(gè)狀態(tài)、M階混合Gauss概率密度函數(shù)的Markov鏈；特征矢量維數(shù)為n；訓(xùn)練數(shù)據(jù)為l遍語音數(shù)據(jù)，為方便表示設(shè)每遍語音數(shù)據(jù)幀數(shù)為T，模型庫容量為R。訓(xùn)練：①每次參數(shù)迭代前計(jì)算

數(shù)下降N*M*T*R*K次；模板庫中Gauss概率密度函數(shù)參數(shù)個(gè)數(shù)減少N*M*R*2*K個(gè)。

4 實(shí)驗(yàn)及其結(jié)果分析

實(shí)驗(yàn)數(shù)據(jù)：6個(gè)女性發(fā)音，0～9十個(gè)數(shù)字，每個(gè)數(shù)字發(fā)音50次，其中30次用于建立CHMM模型；實(shí)驗(yàn)?zāi)Ｐ瓦x擇：采用六個(gè)狀態(tài)的從左到右的無跨越的4階混合Gauss概率密度函數(shù)的CHMM模型，端點(diǎn)檢測方法選擇經(jīng)典的雙門限方法。

實(shí)驗(yàn)Ⅰ 在MFCC+AMFCC中去掉某一分量找到對誤識率影響較大的分量(見表1)。

實(shí)驗(yàn)Ⅱ 在MFCC+AMFCC中去掉對誤識率影響小的分量，找到最佳(見表2)。

從實(shí)驗(yàn)結(jié)果可以看出，在CHMM模型上采用MFCC₁、MFCC₂、MFCC₄、MFCC₅、MFCC₇、MFCC₈、MFCC₁₀、MFCC₁₁、△MFCCi(i≠11)組成19維的特征矢量，系統(tǒng)的誤識率僅上升2.75％，即系統(tǒng)的識別率仍有95.75％，可以滿足實(shí)際需要。而模板庫參數(shù)個(gè)數(shù)下降2400個(gè)；同時(shí)在訓(xùn)練中N(U，σ²)的計(jì)算次數(shù)減少了41，834，880*K次(K為迭代次數(shù))；匹配時(shí)N(u，σ²)的計(jì)算次數(shù)減少1200*T次(T為待識語音幀數(shù))。實(shí)驗(yàn)結(jié)果表明：與常規(guī)的24維MFCC+△MFCC相比，選擇其中對識別率貢獻(xiàn)大的主要分量構(gòu)成的低維特征矢量，系統(tǒng)在訓(xùn)練、識別過程中N(u，σ²)的計(jì)算次數(shù)和模板庫參數(shù)個(gè)數(shù)明顯下降，而系統(tǒng)誤識率僅略微上升。

5 結(jié)論

針對實(shí)際應(yīng)用中資源有限的語音識別系統(tǒng)對識別率及計(jì)算量的特殊要求，本文根據(jù)基于對角協(xié)方差陣的CHMM模型的特點(diǎn)，給出了特征參數(shù)選擇的理論依據(jù)，彌補(bǔ)了以往研究僅從實(shí)驗(yàn)結(jié)果分析，缺少理論依據(jù)的不足；同時(shí)提出根據(jù)各特征參數(shù)對系統(tǒng)誤識率的影響程度來選擇特征參數(shù)的新方法。通過保留對誤識率影響大的分量，舍去對誤識率影響小的分量，尋求次優(yōu)低維參數(shù)組合。使系統(tǒng)在降低特征矢量維數(shù)減少計(jì)算量的同時(shí)，保證了系統(tǒng)誤識率不會顯著上升，系統(tǒng)的識別效果保持相對穩(wěn)定。從而來滿足語音識別系統(tǒng)對計(jì)算量、存儲量等資源消耗指標(biāo)和識別率的雙重要求。

此外，本文提出的基于CHMM的語音識別系統(tǒng)特征參數(shù)的選擇方法，不僅適用于同一類參數(shù)分量組合與系統(tǒng)誤識率的關(guān)系，而且適用于不同參數(shù)組合與系統(tǒng)誤識率的關(guān)系分析。所以，在實(shí)際應(yīng)用中，人們可以打破傳統(tǒng)的取整體同一類參數(shù)的方法，根據(jù)對系統(tǒng)識別率與存儲量、計(jì)算量的要求，合理選擇的特征參數(shù)組合達(dá)以到目標(biāo)。