结合发音特征的动态贝叶斯网络语音识别模型

摘要：

构建了一种新的基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)的异步整词一发音特征语音识别模型AWA-DBN(每个词由其发音特征的运动来描述),定义了各发音特征节点及异步检查节点的条件概率分布.在标准数字语音库Aurora5.0上的语音识别实验表明,与整词一状态DBN(WS-DBN,每个词由固定个数的整词状态构成)和整词一音素DBN(WP-DBN,每个词由其对应的音素序列构成)模型相比,WS-DBN模型虽然具有最高的识别率,但其只适用于小词汇量孤立词语音识别,AWA-DBN和WP-DBN可以为犬词汇量连续语音建模,而AWA-DBN模型比WP-DBN模型具有更高的语音识别率和系统鲁棒性.

关键词：发音特征、动态贝叶斯网络、语音识别

所属期刊栏目：45

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60703104

在线出版日期：2009-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：178-181