电讯技术

作者：李冬梅,李明,郭莉莉,张士兵

单位：(南通大学 信息科学技术学院，江苏 南通226019;南通大学 信息科学技术学院，江苏 南通226020;南通大学 信息科学技术学院，江苏 南通226021;南通大学 信息科学技术学院，江苏 南通226022)

关键词：氦语音；语音识别；机器学习；深度卷积神经网络（DCNN)；连接时序分类(CTC)；

基金：国家自然科学基金资助项目(61871241)；江苏省科研与实践创新计划项目(KYCX20_2828)

为了解决传统氦语音处理技术存在的处理速度慢、计算复杂、操作困难等问题，提出了一种采用机器学习的氦语音识别方法，通过深层网络学习高维信息、提取多种特征，不但解决了过拟合问题，同时也具备了字错率(Word Error Rate,WER)低、收敛速度快的优点。首先自建氦语音孤立词和连续氦语音数据库，对氦语音数据预处理，提取的语音特征主要包括共振峰特征、基音周期特征和FBank(Filter Bank)特征。之后将语音特征输入到由深度卷积神经网络(Deep Convolutional Neural Network,DCNN)和连接时序分类(Connectionist Temporal Classification,CTC)组成的声学模型进行语音到拼音的建模，最后应用Transformer语言模型得到汉字输出。提取共振峰特征、基音周期特征和FBank特征的氦语音孤立词识别模型相比于仅提取FBank特征的识别模型的WER降低了7.91%，连续氦语音识别模型的WER降低了14.95%。氦语音孤立词识别模型的最优WER为1.53%，连续氦语音识别模型的最优WER为36.89%。结果表明，所提方法可有效识别氦语音。

来源：2022年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2022年第9期