[发明专利]一种高精度连续语音识别的声学模型训练方法

权利要求书

1.一种高精度连续语音识别的声学模型训练方法，其特征在于，包括如下步骤：

步骤1.准备训练语料并提取语音特征作为训练集；并提取训练集语料的说话人声学特征；计算训练语料的帧数、特征维度和语音帧数-文本标注组合数量；

步骤2：计算声学模型参数；

声学模型参数计算公式如下所示：

----公式④

P(O_u | W_u)表示对应词序列W_u和观测序列O_u得到的观测最大似然概率，W_u是词序列标注，O_u是观测序列，是声学模型参数，P（W_u）是语言模型产生的对应词序列W_u的概率;

W_u是词序列标注，W′是在W_u词序列标注的基础上将语言学信息加入后的词序列；

分母中P(O_u | W′)表示对应词序列W′和观测序列O_u得到的观测最大似然概率，P(W′)是语言模型产生的对应词序列W′的概率；是声学模型参数，表示已知样本的最大概率参数，u表示词序列中词条数目；

步骤3.声学模型初始化，

首先计算用于深度神经网络训练的预条件矩阵；

使用线性判别分析矩阵在预条件矩阵计算中，进行线性去相关，并按照指定的学习率和语音帧数-文本标注组合数量确定训练迭代次数，以及步骤2得到的声学模型参数，初始化声学模型；

步骤4.根据步骤3确定的训练迭代次数对步骤3的初始化声学模型进行迭代，每次迭代具体步骤为：

使用步骤1中的训练集对声学模型进行训练，

采用公式⑥对声学模型的参数进行调整；

公式⑥为

----公式⑥

左边Q(θ;D)是训练方法中使用的新目标函数，其中θ是模型参数，D是训练数据，W^m表示第m个句子的标注文本,对应第m个句子的观测序列O^m，M为句子总数量，P(W^m |O^m；θ)表示对应词序列W^m，在声学模型的模型参数为θ时，得到观测序列O^m的观测最大似然概率；

声学模型参数的更新过程中，达到目前目标函数的局部最优时本次迭代结束；

步骤5.步骤4中全部迭代结束后，在全部迭代次数得到的声学模型中，选择合并前N个解码正确率最高的声学模型，对声学模型参数做平均并合并为最终声学模型，N为合并数。