大词汇连续汉语语音的MLP声学特征的研究

摘要

短时声学特征参数如MFCC,PLP作为输入向量的高斯混合模型（GMM）的隐马尔可夫模型（HMM）的经典模型在大词汇连续语音识别系统（LVCSR）已取得了良好识别效果。但针对短时声学特征区分性差的特点,本文提出采用神经网络多层感知器（MLP）产生的两种类型差异特征HATs与TANDEM代替短时特征,分别训练GMM参数模型。实验结果表明,差异特征的GMHMM的LVCSR系统优于传统的短时特征的系统;为了更进一步提高系统识别率,该文又将两种类型差异特征HATs与TANDEM进行复合,构成MLPs特征流重建GMHMM,系统的错字率（CER）有2%～3.8%的明显改善。