[发明专利]一种汉语语音识别可信度特征值的计算方法

说明书

技术领域

本发明涉及一种计算机语音识别可信度特征值的计算方法，属于计算机语音识别技术领域。

背景技术

在语音识别中，由于环境噪声以及个人发音变化的影响，系统输入的语音常常出现不同质量的差别，对于质量较低的语音，识别的正确率也往往较低，如果将这些识别错误的结果作为系统的输出，会大大降低系统的可应用性。例如在手机语音拨号的功能中，往往可能由于环境噪声比较大导致识别错误，继而识别的人名不是用户实际需要呼叫的，如果系统使用这个识别结果进行呼叫，会导致大量的误拨号发生，同时也会耗费用户宝贵的时间，降低用户体验。因此，需要对识别结果进行可信度评测，以决定是接受该识别结果还是让用户重新确认，这就是可信度衡量。

目前可信度衡量的常用方法是，对各种可信度有效特征的特征值按照一定的方式进行计算，可信度有效特征的特点是能够明显地将正确识别结果和错误识别结果进行区分。目前已有的可信度有效特征包括基于归一化似然度、基于N最佳候选，基于假设密度，基于段长、基于语言模型以及基于后验概率的特征等。这些可信度有效特征的特征值的计算方法存在计算复杂度高、需要开发集、依赖具体的语音和语言模型等缺点。

发明内容

本发明的目的是提出一种语音识别可信度特征值的计算方法，以简化计算过程，减少对开发集、语音模型以及语言模型的依赖。

本发明提出的计算机语音识别可信度特征值的计算方法，包括以下各步骤：

(1)记录标识每帧被识别语音的最佳候选隐马尔可夫模型的三音子h_i，将三音子构成一个原始三音子序列，表示为：H＝{h_i，i＝1，2，...，s}，其中i为语音帧的序号，s为被识别语音的总帧数；

(2)将语音识别结果的可信度特征值设为零，记录标识语音识别结果的识别三音子序列，表示为：R＝{r_j，j＝1，2，...，n}，其中j为识别三音子序列中的三音子r_j的序号，n为识别三音子序列中三音子的个数；

(3)根据上述识别三音子序列，获取与序列中每个三音子相对应的起始语音帧的序号和结束语音帧的序号，并分别表示为

(4)根据上述三音子r_j的起始语音帧的序号和结束语音帧的序号，从上述原始三音子序列中获取与三音子r_j相对应的子序列，依次将子序列中的所有三音子的中心基元与识别三音子序列中的三音子r_j的中心基元进行比较，若子序列中所有三音子的中心基元都与三音子r_j的中心基元不相等，则上述可信度特征值加1；

(5)重复步骤(4)，直至遍历识别三音子序列中所有三音子，得到可信度特征值。

本发明提出的汉语语音识别可信度特征值的计算方法，具有如下的优点：

1、本发明计算方法中，仅需要记录每帧语音识别的最佳隐马尔可夫模型，并根据识别三音子序列进行比对，计算量小，计算速度快。

2、本发明计算方法不需要使用开发集训练特定模型计算可信度，因此实现简单。

3、本方法不受实际语音识别系统中语音模型的限制，因此可用于任何语音模型的语音识别系统。

4、用本发明方法计算得到的可信度特征值可方便地与其它计算方法得到的特征值结合使用，以获得更好的语音识别拒识效果，从而提高语音识别系统的鲁棒性，使其具有更高的应用价值。

具体实施方式

本发明提出的计算机语音识别可信度特征值的计算方法，包括以下各步骤：

(1)记录标识每帧被识别语音的最佳候选隐马尔可夫模型的三音子h_i，将三音子构成一个原始三音子序列，表示为：H＝{h_i，i＝1，2，...，s}，其中i为语音帧的序号，s为被识别语音的总帧数；

(2)将语音识别结果的可信度特征值设为零，记录标识语音识别结果的识别三音子序列，表示为：R＝{r_j，j＝1，2，...，n}，其中j为识别三音子序列中的三音子r_j的序号，n为识别三音子序列中三音子的个数；

(3)根据上述识别三音子序列，获取与序列中每个三音子相对应的起始语音帧的序号和结束语音帧的序号，并分别表示为