相关推荐
联系我们/Contact
施工主页 > 施工 >

噪声处境下的语音要害词检测

文章作者:  发布日期:2019-10-29 15:56

  

噪声处境下的语音要害词检测

噪声处境下的语音要害词检测

噪声处境下的语音要害词检测

  噪声环境下的语音关键词检测_环境科学/食品科学_工程科技_专业资料。噪声环境下的语音关键词检测 随着智能家居、智能手机和自动化设备的快速发展,基于语音技术的人机交 互变得越来越流行,例如谷歌公司的 Google Now,微软公司的 Cortana、亚马逊公 司的 Al 噪声环境下的语音关键词检测 随着智能家居、智能手机和自动化设备的快速发展,基于语音技术的人机交 互变得越来越流行,例如谷歌公司的 Google Now,微软公司的 Cortana、亚马逊公 司的 Alexa 和苹果公司的 Siri 已变得十分流行。为了实现免手持的语音识别体 验,语音识别系统需要持续不断地监听特定的唤醒词语来开始语音识别任务,这 个过程通常被称为关键词检测(Keyword Detection,KWD)或关键词识别(Keyword Spotting,KWS)。 考虑到目前很多设备计算资源受限并且大都使用电池作为能量供应,这要求 关键词检测必须满足小内存占用和低能量消耗的要求。在现实世界的环境中,噪 声干扰不可避免,噪声鲁棒性对于关键词识别任务而言至关重要。 为了提高关键词检测系统的鲁棒性,通用的方法是在系统前端增加一个语音 增强模型。本文为提高关键词检测模型的鲁棒性做了三个方面的尝试。 首先,本文将预训练的语音增强模型和关键词检测模型连接起来形成一个更 复杂的系统。整个模型使用联合训练的方法,因此关键词检测系统包含的语言学 信息可以通过反向传播的方法传递给增强模型。 第二,本文提出了一种新的卷积循环神经网络,这种网络结构需要参数量和 计算量更少,并且不会降低增强模型的性能,极大程度上满足了小内存、低功耗的 设备部署需求。最后,为了进一步提升系统的性能,设计了特征转换模块,将输入 特征从能量谱转换为梅尔谱,有效地减少了计算量,更适合关键词检测系统。 本文采用的基于联合训练框架的 CNN-MelCRN32 关键词检测系统在测试集上 的准确率为 93.17%,与带噪训练的(基于 Multi-condition 训练方法)基线%,显著地提高了关键词系统的噪声鲁棒性。·什么是后张法施工工艺名词2019-10-28


Copyright © 秒速牛牛登录 版权所有.

备案号:Copyright © 2002-2017 DEDECMS. 织梦科技 版权所有 Tag标签网站地图 家电维修|北京赛车pk10