（KWS-HMM）

最新推荐文章于 2024-05-15 09:41:52 发布

IMU_Pandade

最新推荐文章于 2024-05-15 09:41:52 发布

阅读量784

点赞数

本文链接：https://blog.csdn.net/Pandade520/article/details/104370972

版权

论文翻译专栏收录该内容

36 篇文章 3 订阅

订阅专栏

会议：ICASSP-90
论文：A HIDDEN MARKOV MODEL BASED KEYWORD RECOGNITION SYSTEM
作者：Richard C Rose，Douglas B Paul

ABSTRACT

提出了一种基于连续语音识别模型的独立于说话人的隐马尔可夫模型（HMM）关键字识别器（KWR）。描述了基线关键字识别系统，并讨论了处理非关键字语音和线性通道效果的技术。研究了声学模型的训练，以提供非词汇语音的显式表示。似然比评分程序用于说明影响关键字似然分数的可变性来源。依赖于声学类别的频谱归一化过程用于为线性通道效应提供显式补偿。具有20个关键字词汇的标准会话语音任务的关键字识别结果以每小时每个关键字12次错误警报的错误警报率达到82％的检测概率。

会议：IEEE语音和信号处理学报 1990
论文：Automatic recognition of keywords in unconstrained speech using hidden Markov models
作者：Jay G Wilpon，Lawrence R Rabiner，CH Lee，ER Goldman

ABSTRACT

描述了对基于隐藏马尔可夫模型（HMM）的关联单词语音识别算法的修改，该修改使它能够从以不受限制的方式说出的预定义词汇表中识别单词。这种方法的新颖之处在于，可以创建实际词汇表单词以及无关语音和背景的统计模型。然后使用基于HMM的连接单词识别系统来查找背景，外来语音和词汇单词模型的最佳顺序，以匹配实际输入。使用提出的识别算法，对于五个单词的词汇，在纯隔离语音（即仅存在词汇项和背景噪声）上的单词识别准确率达到99.3％，而在不受约束的外来语音中嵌入词汇单词时，识别率为95.1％。

会议：ICASSP-91
论文：Improvements and applications for key word recognition using hidden Markov modeling techniques
作者：JG Wilpon，LG Miller，P Modi

ABSTRACT

先前开发的基于隐式马尔可夫模型的关键词植入算法可以以不受限制的方式从预定义的词汇表中识别关键词。探索了用于表示语音信号的特征分析和用于训练系统的建模技术的改进。作者讨论了影响评估标准的几个任务域问题。他们介绍了对三个独立于说话者的数据库进行的广泛评估的结果：国家安全局分发的20字词汇巨石阵公路拉力赛数据库，用于自动执行话务员协助呼叫的5字词汇以及目前正在使用的3字西班牙语词汇在西班牙的电话网络中进行了测试。目前，识别准确率的范围从西班牙数据库的99.9％到74％（其中8分）。