中文語(yǔ)音關(guān)鍵詞檢出技術(shù)研究.pdf

1、隨著深度學(xué)習(xí)的發(fā)展，深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，DNN）與循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks，RNN)已被成功應(yīng)用于英文語(yǔ)音識(shí)別和語(yǔ)音關(guān)鍵詞檢出系統(tǒng)。本文主要研究了分別用深度神經(jīng)網(wǎng)絡(luò)-隱馬爾科夫模型(Deep Neural Network-HiddenMarkov Model，DNN-HMM)和帶有長(zhǎng)短時(shí)記憶單元的循環(huán)神經(jīng)網(wǎng)絡(luò)(Long Short TermMemory RNN，L

2、STM-RNN)對(duì)中文聲韻母進(jìn)行聲學(xué)建模，從而優(yōu)化現(xiàn)有中文語(yǔ)音關(guān)鍵詞檢出系統(tǒng)性能。
　　本文首先介紹了連續(xù)語(yǔ)音識(shí)別的框架與原理，包括語(yǔ)音信號(hào)的特征提取、語(yǔ)音信號(hào)聲學(xué)建模技術(shù)、發(fā)音字典和語(yǔ)言模型以及基于加權(quán)有限狀態(tài)轉(zhuǎn)換器的語(yǔ)音解碼網(wǎng)絡(luò)。其中語(yǔ)音信號(hào)特征提取包括感知線性預(yù)測(cè)系數(shù)、梅爾頻率倒譜系數(shù)、濾波器組特征、基頻特征四種聲學(xué)特征。其次研究了基于連續(xù)語(yǔ)音識(shí)別器的語(yǔ)音關(guān)鍵詞檢出技術(shù)，包括基于網(wǎng)格結(jié)構(gòu)建立索引、關(guān)鍵詞搜索方法、關(guān)鍵詞確認(rèn)置

3、信度以及語(yǔ)音關(guān)鍵詞檢出系統(tǒng)的評(píng)價(jià)指標(biāo)。本文還研究了一種中文語(yǔ)音關(guān)鍵詞檢出系統(tǒng)，此系統(tǒng)采用高識(shí)別率的聲韻母進(jìn)行聲學(xué)建模和檢索，通過(guò)查表法將輸入漢字字符形式的關(guān)鍵字轉(zhuǎn)化為聲韻母進(jìn)行關(guān)鍵詞檢出。本文分別訓(xùn)練基于DNN-HMM的聲學(xué)模型和基于LSTM-RNN的聲學(xué)模型，搭建中文語(yǔ)音關(guān)鍵詞檢出系統(tǒng)，各得到了73.32％和79.84％的召回率，說(shuō)明使用LSTM-RNN聲學(xué)建?？梢詢?yōu)化語(yǔ)音關(guān)鍵詞檢出系統(tǒng)性能。之后為搭建的中文語(yǔ)音關(guān)鍵詞檢出系統(tǒng)選取不同