基于Sphinx的語音識別框架及其性能優(yōu)化.pdf

1、語音識別技術(shù)是以噪聲信道模型為基本框架的,被廣泛使用的一種人機(jī)交互技術(shù)。它的出現(xiàn)徹底地改變了人類與機(jī)器之間的信息交換方式,影響著人們的生活和工作。在語音識別技術(shù)的發(fā)展過程中,開源的語音識別工具為語音識別技術(shù)的推廣和應(yīng)用起到了重大的推動作用。本文在卡內(nèi)基梅隆大學(xué)的開源語音識別工具Sphinx語音識別引擎的基礎(chǔ)上,深入分析了其語音識別框架,提出并實現(xiàn)了并行的混淆網(wǎng)絡(luò)生成算法和基于遺傳算法的重打分算法,以便加快混淆網(wǎng)絡(luò)的生成和提高重打分算法的

2、詞準(zhǔn)確率。因此本文的主要工作包括三個方面:
　　(1)分析了Sphinx-4語音識別引擎的各功能模塊,包括前端模塊、解碼器模塊、語言專家模塊等,并重點(diǎn)分析了解碼器模塊,為語音識別技術(shù)的理解及研究打下堅實的基礎(chǔ)。
　　(2)分析了Sphinx-4中的混淆網(wǎng)絡(luò)生成算法,然后在Sphinx-4中實現(xiàn)了本文提出的并行混淆網(wǎng)絡(luò)生成算法。該算法首先通過采用樹型結(jié)構(gòu)和節(jié)點(diǎn)聚類的方法來對網(wǎng)格中的節(jié)點(diǎn)進(jìn)行分割,以生成節(jié)點(diǎn)集,然后對生成的節(jié)點(diǎn)集

3、使用并行的方法,單獨(dú)的生成混淆網(wǎng)絡(luò),以加快混淆網(wǎng)絡(luò)的生成速度,最后連接各混淆網(wǎng)絡(luò),以生成完整的混淆網(wǎng)絡(luò)。因此該算法能夠克服已有的混淆網(wǎng)絡(luò)生成算法不能夠兼顧混淆網(wǎng)絡(luò)生成質(zhì)量和生成速度的缺點(diǎn)。同時在Sphinx-4上的實驗結(jié)果也表明:并行混淆網(wǎng)絡(luò)生成算法生成的混淆網(wǎng)絡(luò)在質(zhì)量上能夠與分段lattice的混淆網(wǎng)絡(luò)生成算法保持一致,但是在生成速度上能夠獲得接近于理想狀態(tài)下的Amdahl加速比。
　　(3)研究了語音識別中的重打分技術(shù),包括重

4、打分的概念、N-best重打分、網(wǎng)格重打分、混淆網(wǎng)絡(luò)重打分等,重點(diǎn)研究了混淆網(wǎng)絡(luò)重打分算法。在此基礎(chǔ)上,通過把遺傳算法應(yīng)用于混淆網(wǎng)絡(luò)重打分中,在 Sphinx-4中實現(xiàn)了本文所提出的混淆網(wǎng)絡(luò)遺傳重打分算法。該算法首先通過把語音識別引擎的輸出轉(zhuǎn)換為混淆網(wǎng)絡(luò)的形式,然后在混淆網(wǎng)絡(luò)上通過構(gòu)造一般性遺傳算法所需的基本元素-基因與染色體,最后在重打分函數(shù)下實現(xiàn)對染色體的重打分。同時本文也分析了遺傳算法中的突變率、交叉率、重打分函數(shù)等對詞準(zhǔn)確率的影