汪俊杰
- 作品数:5 被引量:1H指数:1
- 供职机构:中国科学院声学研究所更多>>
- 发文基金:国家自然科学基金中国科学院战略性先导科技专项国家高技术研究发展计划更多>>
- 相关领域:电子电信自动化与计算机技术更多>>
- LVCSR系统中语言模型的参数选择与性能评测
- 在大词表连续语音识别系统中,语言模型不仅实现了拼音到汉字的转换,同时通过语言模型概率值结合声学HMM模型匹配值能协助搜索过程中有效剪枝从而避免了搜索空间的指数膨胀。然而在LVCSR系统中,语言模型的截止(Cutoff)词...
- 张建平庹凌云孙宝海汪俊杰刘建颜永红
- 文献传递
- 音子配列学语种识别系统中特征选择方法的研究被引量:1
- 2013年
- 将信息增益和加权log似然比特征选择方法应用于音子配列学语种识别系统中进行特征降维。在美国国家标准技术研究院2009年语种识别评测数据集上进行实验,分别使用信息增益和加权log似然比准则以及传统的互信息,X^2统计量方法对数量巨大的N-gram进行特征选择,从中选出最具有鉴别性的部分组成特征向量,并用分类器进行分类。结果显示,当根据信息增益和加权log似然比准则选取一定数量的特征时,系统性能与使用全部特征的基线系统相比略好;当选取的特征数量很少时,信息增益和加权log似然比方法的性能要优于传统的互信息和X^2统计量方法。实验表明,在音子配列学语种识别系统中,信息增益和加权log似然比方法均可以有效地去除冗余信息,降低特征向量的维数,并且能使系统性能得到一定的提高。
- 梁春燕杨琳汪俊杰张建平颜永红
- 关键词:语种识别信息增益N-GRAM
- 电信级分布式语音识别系统
- 颜永红潘接林赵庆卫刘建付强李明张建平汪俊杰董滨张鹏远潘复平国雁萌龚云波
- 该项目属于语音处理技术领域。该项目旨在解决人机语音交互的关键技术问题,重点解决在实际应用环境下语音识别技术、音乐检索技术对噪声、信道和口音的稳健性等难题,具体研究内容及创新点如下:针对电信应用复杂多变的噪声环境,提出了基...
- 关键词:
- 关键词:语音处理技术
- 说话人识别中的总变化因子分析技术
- 2013年
- 研究并实现了总变化因子分析(Total Variability Factor Analysis)技术,该技术在对说话人进行建模的时候,不区分语音中的说话人信息和信道信息,而是将整个语音空间(总变化空间)进行建模,然后在这个空间上对训练和测试语音计算其相应的总变化因子向量(Ivector),来作为支持向量机(Support Vector Machine,SVM)建模和分类的特征。为了降低信道对识别的影响,我们使用线性鉴别分析(Linear Discriminant Analysis,LDA)降维技术以及类内协方差规整(Within-Class Covariance Normalization,WCCN)技术对Ivector进行信道补偿。实验结果表明同时使用WCCN和LDA对Ivector进行信道补偿要好于单独使用WCCN或LDA;并且与传统的联合因子分析系统(Joint Factor Analysis,JFA)相比,以作为评价指标,在男、女测试集上,等错率(Equal Error Ratio,EER)分别相对降低1.20%和9.27%。
- 杨琳黄远杨晶超汪俊杰索宏彬
- 关键词:说话人识别信道补偿
- 高斯超向量-支持向量机鉴别性语种识别系统
- 2013年
- 支持向量机在语种识别技术中获得了广泛的研究和应用,并且达到和传统混合高斯模型相当的性能。高斯超向量-支持向量机系统将高斯混合模型与支持向量机有效地结合起来,采用高斯超向量核函数,以支持向量机作为后端分类器。重点介绍基于高斯超向量-支持向量机的语种识别系统,并和传统的高斯混合模型系统进行比较。在美国国家标准技术研究院2003年和2007年语种识别评测数据集上进行实验。实验结果表明,高斯超向量-支持向量机系统相对于混合高斯模型建模的方法,在长时数据上有较明显的性能优势。
- 梁春燕安茂波刘振业索宏彬汪俊杰
- 关键词:语种识别高斯混合模型支持向量机