專(zhuān)利名稱(chēng)：一種應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種置信度處理方法。更具體地說(shuō)，本發(fā)明涉及一種應(yīng)用于語(yǔ)音識(shí) 別系統(tǒng)的高性能置信度處理方法。
背景技術(shù)：
隨著語(yǔ)音識(shí)別技術(shù)在不同領(lǐng)域被越來(lái)越多地應(yīng)用，語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率和穩(wěn)健 性變得越來(lái)越重要，用戶(hù)對(duì)于所使用的語(yǔ)音識(shí)別系統(tǒng)識(shí)別結(jié)果的可靠程度越來(lái)越關(guān) 心。在自然條件下使用語(yǔ)音識(shí)別系統(tǒng)，不同于理想環(huán)境下的使用，這時(shí)語(yǔ)音識(shí)別系 統(tǒng)的性能會(huì)有很大的降低。而且對(duì)于真實(shí)的口語(yǔ)，在語(yǔ)音中會(huì)摻雜很多非語(yǔ)音，譬 如非正常停頓、咳嗽聲以及其他的環(huán)境噪聲，這都給傳統(tǒng)的語(yǔ)音識(shí)別系統(tǒng)達(dá)到原有 的識(shí)別性能造成了困難。特別對(duì)于電話語(yǔ)音識(shí)別系統(tǒng)，用戶(hù)的期望是盡可能地拒絕 錯(cuò)誤的語(yǔ)音同時(shí)對(duì)于集外詞表能夠準(zhǔn)確拒識(shí)，置信度的計(jì)算是解決這些困難的一種 很好的途徑。
置信度評(píng)價(jià)方法可以對(duì)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別結(jié)果進(jìn)行假設(shè)檢驗(yàn)，通過(guò)試驗(yàn)設(shè)定 的閾值對(duì)識(shí)別結(jié)果的可靠性進(jìn)行評(píng)價(jià),定位結(jié)果中的錯(cuò)誤，從而提高識(shí)別系統(tǒng)的識(shí)別 率和穩(wěn)健性。目前已經(jīng)有許多處理置信度的方法，但由于實(shí)際應(yīng)用的語(yǔ)音識(shí)別系統(tǒng) 一方面要求實(shí)時(shí)性比較高，另一方面也希望置信度的分?jǐn)?shù)比較可靠，目前的置信度 處理方法很難同時(shí)滿(mǎn)足這兩個(gè)要求。在已有專(zhuān)利CN02148686.7中提出的置信度處理 方法，它們雖然比以前的方法在速度和精度上都有提高，但是它的主要缺陷有其一 是兩次利用聲學(xué)模型對(duì)輸入語(yǔ)音進(jìn)行解碼，第一次利用聲學(xué)模型目的是對(duì)原始語(yǔ)音 進(jìn)行單遍解碼得到目標(biāo)結(jié)果，第二次利用聲學(xué)模型目的是對(duì)識(shí)別的目標(biāo)結(jié)果再次在 原始語(yǔ)音上進(jìn)行強(qiáng)制對(duì)齊，最后得到相應(yīng)的置信度分?jǐn)?shù)，雖然其在處理方法，存儲(chǔ) 結(jié)構(gòu)上有很大的優(yōu)化提高速度，但其兩遍解碼的框架限制了它進(jìn)一步提高其系統(tǒng)的 速度；其二，只考慮了聲學(xué)模型的知識(shí)源計(jì)算置信度，單一的知識(shí)源計(jì)算出置信度 結(jié)果的可靠性有限。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是提供一種應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理
5方法，本發(fā)明的目的在于通過(guò)新的置信度處理方法， 一方面提高置信度處理的速度， 降低置信度的計(jì)算在整個(gè)語(yǔ)音識(shí)別系統(tǒng)中所占的時(shí)間，另一方面提高置信度結(jié)果的 可靠性，從而進(jìn)一步提高語(yǔ)音識(shí)別系統(tǒng)的實(shí)時(shí)性(即速度)和穩(wěn)健性。
為了達(dá)到上述目的，本發(fā)明提供了一種應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處 理方法，其框架是基于一遍語(yǔ)音識(shí)別解碼完成，在一遍語(yǔ)音識(shí)別過(guò)程中得到的多個(gè) 知識(shí)源，通過(guò)多個(gè)知識(shí)源融合計(jì)算置信度，具體包括以下步驟
1 )使用電話語(yǔ)音識(shí)別弓i擎對(duì)輸入語(yǔ)音逐幀進(jìn)行解碼識(shí)別；
2) 在步驟1)還沒(méi)有解碼完最后一幀語(yǔ)音前，在每一幀語(yǔ)音數(shù)據(jù)解碼中，首先 得到當(dāng)前幀活躍狀態(tài)的觀察概率P(xJ、)，其中《是當(dāng)前幀語(yǔ)音信號(hào)的特征，^是當(dāng)
前活躍狀態(tài)集合D中的一個(gè)；同時(shí)將所有活躍狀態(tài)的觀察概率相加并保存到內(nèi)存中；
3) 解碼完最后一幀數(shù)據(jù)，在得到識(shí)別結(jié)果前，獲取輸入語(yǔ)音的詞圖(lattice);
4) 在步驟3)中得到詞圖后，隨即可以得到識(shí)別結(jié)果，也即完成了語(yǔ)音數(shù)據(jù)的 解碼識(shí)別過(guò)程，得到識(shí)別結(jié)果同時(shí)還可以得到其相對(duì)應(yīng)的音素(phone)序列，以及 每個(gè)音素(phone)所對(duì)應(yīng)的起止時(shí)間點(diǎn)和每個(gè)音素(phone)的識(shí)別似然概率；
5) 完成步驟4)后，進(jìn)行同步聲學(xué)后驗(yàn)概率計(jì)算，即，通過(guò)前面保存的每一幀 的活躍狀態(tài)的觀察概率之和，和每個(gè)音素(phone)的起止時(shí)間及其似然概率，求出 相應(yīng)的每個(gè)音素(phone)的后驗(yàn)概率；
6) 完成步驟4)后，進(jìn)行詞圖(lattice)后驗(yàn)概率計(jì)算，gp，通過(guò)前面得到的輸 入語(yǔ)音詞圖(lattice),根據(jù)詞圖(lattice)上的信息相應(yīng)也可以計(jì)算出每個(gè)音素(phone) 的后驗(yàn)概率，通過(guò)算術(shù)平均得到對(duì)數(shù)域的詞圖(lattice)后驗(yàn)概率；
7) 將在步驟5)得到的同步聲學(xué)后驗(yàn)概率和步驟6)得到的詞圖(lattice)后驗(yàn) 概率兩個(gè)來(lái)自不同知識(shí)源的后驗(yàn)概率融合即求出最后的識(shí)別結(jié)果的融合后驗(yàn)概率；
8) 將在步驟7)得到的融合后驗(yàn)概率通過(guò)定制的映射函數(shù)將后驗(yàn)概率映射為置 信度分?jǐn)?shù)，即為最后得到的識(shí)別結(jié)果的置信度。
另外，本發(fā)明的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法中的所述步驟5) 和步驟6)是相互獨(dú)立的，兩者沒(méi)有先后次序。
本發(fā)明的優(yōu)點(diǎn)在于
本發(fā)明的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，只使用了一遍語(yǔ)音識(shí) 別解碼，同時(shí)利用了多個(gè)知識(shí)源，與以往的方法相比，該方法在大幅提高計(jì)算速度的同時(shí)，也使置信度計(jì)算的結(jié)果更為準(zhǔn)確有效。在所作的統(tǒng)計(jì)實(shí)驗(yàn)中，使用本發(fā)明 計(jì)算方法的語(yǔ)音識(shí)別系統(tǒng)置信度結(jié)果的計(jì)算速度及有效性均高于專(zhuān)利CN02148686.7 中提出的處理方法。


圖1是語(yǔ)音識(shí)別結(jié)果置信度計(jì)算的框圖2是在得到識(shí)別結(jié)果的同時(shí)生成的詞圖結(jié)構(gòu)。
具體實(shí)施例方式
下面結(jié)合具體實(shí)施例和附圖對(duì)本發(fā)明進(jìn)行詳細(xì)描述。 實(shí)施例1
本發(fā)明提供的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，包括以下步驟
1) 使用中科信利電話語(yǔ)音識(shí)別引擎對(duì)輸入語(yǔ)音逐幀進(jìn)行解碼識(shí)別，該識(shí)別引擎 的解碼過(guò)程是基于TIME-SYNCHRONOUS VITERBI BEAM SEARCH算法(在文獻(xiàn) Xuedong Huang， Alex Acero， Hsiao—Wuen Hon. Spoken Language Processing[M]. New Jersey: Prentice Hall PTR,2001.中有介紹)；
2) 在步驟1)還沒(méi)有解碼完最后一幀語(yǔ)音前，在每一幀語(yǔ)音數(shù)據(jù)解碼中，首先 得到當(dāng)前幀活躍狀態(tài)的觀察概率尸"l^)，其中《是當(dāng)前幀語(yǔ)音信號(hào)的特征，^是當(dāng)
前活躍狀態(tài)集合D中的一個(gè)；同時(shí)將所有活躍狀態(tài)的觀察概率相加并保存到內(nèi)存中；
3) 解碼完最后一幀數(shù)據(jù)，在得到識(shí)別結(jié)果(識(shí)別結(jié)果為輸入語(yǔ)音對(duì)應(yīng)的文本)
前，可以得到輸入語(yǔ)音的詞圖(lattice), lattice的具體結(jié)構(gòu)(可以參見(jiàn)圖2);
4) 在步驟3)得到詞圖后，隨即可以得到識(shí)別結(jié)果，也即完成了語(yǔ)音數(shù)據(jù)的解 碼識(shí)別過(guò)程。得到識(shí)別結(jié)果同時(shí)還可以得到其相對(duì)應(yīng)的音素(phone)序列，以及每 個(gè)音素(phone)所對(duì)應(yīng)的起止時(shí)間點(diǎn)和每個(gè)音素(phone)的識(shí)別似然概率；
5) 完成步驟4)后，進(jìn)行聲學(xué)后驗(yàn)概率計(jì)算，即，通過(guò)前面保存的每一幀的活 躍狀態(tài)的觀察概率之和，和每個(gè)音素(phone)的起止時(shí)間及其似然概率，求出相應(yīng) 的每個(gè)音素(phone)的后驗(yàn)概率，這里計(jì)算每個(gè)音素(phone)的后驗(yàn)概率對(duì)數(shù)值 是每一幀語(yǔ)音的后驗(yàn)概率對(duì)數(shù)值的算術(shù)平均，在計(jì)算每一幀語(yǔ)音的后驗(yàn)概率上，以 往的方法是在后驗(yàn)概率公式的分母中求的是聲學(xué)模型中所有狀態(tài)的觀察概率和，而 該方法中計(jì)算則是考慮前活躍狀態(tài)集合中含有的狀態(tài)的觀察概率和為分母，這樣一是可以提高計(jì)算的速度，二是讓后驗(yàn)概率更加準(zhǔn)確。最后將識(shí)別結(jié)果中所有音素 (phone)的后驗(yàn)概率對(duì)數(shù)值求算術(shù)平均得到該識(shí)別結(jié)果的對(duì)數(shù)域聲學(xué)后驗(yàn)概率；
同步聲學(xué)后驗(yàn)概率計(jì)算具體如下
參考圖1，根據(jù)圖1語(yǔ)音識(shí)別結(jié)果置信度計(jì)算的框圖，首先考慮每一幀的后驗(yàn)概
率計(jì)算，對(duì)于每一幀語(yǔ)音輸入信號(hào);c,， t=l,2....T，其對(duì)于每一幀語(yǔ)音信號(hào)的后驗(yàn)概
率為尸0 ,lx,)，定義為
<formula>formula see original document page 8</formula> (i)
其中&是指識(shí)別結(jié)果中X'所屬的狀態(tài)，D為識(shí)別過(guò)程中當(dāng)前時(shí)刻t活躍狀態(tài)的集
合，^是活躍狀態(tài)集合中的狀態(tài)。
在解碼識(shí)別過(guò)程中，同時(shí)保存了每一幀語(yǔ)音信號(hào)的后驗(yàn)概率p(Aix,)的分母部分
<formula>formula see original document page 8</formula> (2) 當(dāng)識(shí)別過(guò)程結(jié)束，得到識(shí)別結(jié)果為R，其中包含N個(gè)音素(phone)，其音素(phone)
序列為尸/ 。/^....尸~—,，而每個(gè)音素(phone)對(duì)應(yīng)的語(yǔ)音幀序列AA......&。
那么每個(gè)音素(phone)的對(duì)數(shù)域后驗(yàn)概率計(jì)算如下
<formula>formula see original document page 8</formula>
由于計(jì)算每個(gè)音素(phone)的后驗(yàn)概率的分母部分fp^O是預(yù)先保存好的，而
分子部分fjp(x,k);7CO是識(shí)別結(jié)果中該個(gè)音素(phone)的似然概率也是已知的。
所以計(jì)算每個(gè)音素(phone)的后驗(yàn)概率基本不需要額外的時(shí)間。
有了每個(gè)音素(phone)的后驗(yàn)概率，下面給出整個(gè)識(shí)別結(jié)果R的基于聲學(xué)模型 的后驗(yàn)概率i^。一/R)的計(jì)算公式 <formula>formula see original document page 8</formula>
6)完成步驟4)后，進(jìn)行詞圖(lattice)后驗(yàn)概率計(jì)算，g卩，通過(guò)前面得到的輸 入語(yǔ)音詞圖(lattice)，根據(jù)詞圖(lattice)上的信息相應(yīng)也可以計(jì)算出每個(gè)音素(phone) 的后驗(yàn)概率，通過(guò)算術(shù)平均得到對(duì)數(shù)域的詞圖(lattice)后驗(yàn)概率；
詞圖(lattice)后驗(yàn)概率計(jì)算如下圖2中是在得到識(shí)別結(jié)果的同時(shí)生成的詞圖(lattice)結(jié)構(gòu)。其中圖中的每一條 邊(edge)代表的是一個(gè)音素(phone)，每一條邊(edge)的起始點(diǎn)，表示這個(gè)音素
的起始時(shí)間^和。每一條邊上的值表示它的后驗(yàn)概率Edge(i)(其主要計(jì)算公式-
Edge (i)=詞圖(lattice)中通過(guò)該邊的所有路徑概率之和，具體步驟可以通過(guò)前向 后向算法由詞圖(lattice)的信息計(jì)算得到。文獻(xiàn)F.Wessel. Word Posterior Probabilities for Large Vocabulary Continuous Speech
Recognition[D].Dissertation,Aachen,Germany,2002-07中有具體介紹)，圖2中給出計(jì) 算好的每條邊的后驗(yàn)概率Edge(i)以及它們代表的相應(yīng)因素(phone)。
假設(shè)得到的識(shí)別結(jié)果為R，其中包含N個(gè)音素(phone)，其音素(phone)序列
為7^/^....尸~—1,對(duì)應(yīng)的每個(gè)音素(phone)的起始時(shí)間為Z,和^ (具體可以見(jiàn)圖2中
底部給出的識(shí)別序列R的時(shí)間信息可以得到相應(yīng)的^和/。)，對(duì)于^和^間的任一時(shí)
刻t，設(shè)其包含的和當(dāng)前音素相同的邊(edge)的集合為《(可以見(jiàn)圖2中Phone-J
的虛線中對(duì)應(yīng)的詞圖中的兩條Phone=J的邊)，則對(duì)于音素/^,時(shí)刻t對(duì)應(yīng)的后驗(yàn)概率 計(jì)算如下
，10g[J^輛)] (5)
那么當(dāng)前音素的后驗(yàn)概率計(jì)算公式如下
，,)=7^~t， (6)
、—、'=,s
從而整個(gè)識(shí)別結(jié)果的基于詞圖(lattice)的后驗(yàn)概率iL,JR)計(jì)算如下
其中，上述步驟5)和步驟6)是相互獨(dú)立的，兩者沒(méi)有先后次序。
7) 將在步驟5)得到的同步聲學(xué)后驗(yàn)概率和步驟6)得到的詞圖(lattice)后驗(yàn) 概率兩個(gè)來(lái)自不同知識(shí)源的后驗(yàn)概率融合即求出最后的識(shí)別結(jié)果的融合后驗(yàn)概率；
8) 將在步驟7)得到的融合后驗(yàn)概率通過(guò)定制的映射函數(shù)將后驗(yàn)概率映射為置 信度分?jǐn)?shù)，即為最后得到的識(shí)別結(jié)果的置信度。 線性融合置信度計(jì)算如下
通過(guò)上面步驟l，步驟2分別計(jì)算了聲學(xué)后驗(yàn)概率和詞圖(lattice)后驗(yàn)概率。通過(guò)實(shí)驗(yàn)數(shù)據(jù)可以估計(jì)出線性融合系數(shù)A以及后驗(yàn)概率和置信度分?jǐn)?shù)的映射函數(shù) CM職w/gmod(p) (8)
其中CM^^為最后置信度分?jǐn)?shù)，p為線性融合后的后驗(yàn)概率；
所以由步驟l，步驟2，步驟3可以通過(guò)該方法計(jì)算出最后置信度分?jǐn)?shù)CMw^如
下
CUgmod(U) + AU) (9)。
權(quán)利要求
1、一種應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其框架是基于一遍語(yǔ)音識(shí)別解碼完成，在一遍語(yǔ)音識(shí)別過(guò)程中得到多個(gè)知識(shí)源，通過(guò)多個(gè)知識(shí)源融合計(jì)算置信度，具體包括以下步驟1)使用電話語(yǔ)音識(shí)別引擎對(duì)輸入語(yǔ)音逐幀進(jìn)行解碼識(shí)別；2)在步驟1)還沒(méi)有解碼完最后一幀語(yǔ)音前，在每一幀語(yǔ)音數(shù)據(jù)解碼中，首先得到當(dāng)前幀活躍狀態(tài)的觀察概率P(xt|sj)，其中xt是當(dāng)前幀語(yǔ)音信號(hào)的特征，sj是當(dāng)前活躍狀態(tài)集合D中的一個(gè)；同時(shí)將所有活躍狀態(tài)的觀察概率相加并保存到內(nèi)存中；3)解碼完最后一幀數(shù)據(jù)，在得到識(shí)別結(jié)果前，獲取輸入語(yǔ)音的詞圖；4)在步驟3)中得到詞圖后，隨即得到識(shí)別結(jié)果，也即完成了語(yǔ)音數(shù)據(jù)的解碼識(shí)別過(guò)程，得到識(shí)別結(jié)果同時(shí)還得到其相對(duì)應(yīng)的音素序列，以及每個(gè)音素所對(duì)應(yīng)的起止時(shí)間點(diǎn)和每個(gè)音素的識(shí)別似然概率；5)完成步驟4)后，進(jìn)行同步聲學(xué)后驗(yàn)概率計(jì)算，即，通過(guò)前面保存的每一幀的活躍狀態(tài)的觀察概率之和，和每個(gè)音素的起止時(shí)間及其似然概率，求出相應(yīng)的每個(gè)音素的后驗(yàn)概率；6)完成步驟4)后，進(jìn)行詞圖后驗(yàn)概率計(jì)算，即，通過(guò)前面得到的輸入語(yǔ)音詞圖，根據(jù)詞圖上的信息相應(yīng)也計(jì)算出每個(gè)音素的后驗(yàn)概率，通過(guò)算術(shù)平均得到對(duì)數(shù)域的詞圖后驗(yàn)概率；7)將在步驟5)得到的同步聲學(xué)后驗(yàn)概率和步驟6)得到的詞圖后驗(yàn)概率兩個(gè)來(lái)自不同知識(shí)源的后驗(yàn)概率融合即求出最后的識(shí)別結(jié)果的融合后驗(yàn)概率；8)將在步驟7)得到的融合后驗(yàn)概率通過(guò)定制的映射函數(shù)將后驗(yàn)概率映射為置信度分?jǐn)?shù)，即為最后得到的識(shí)別結(jié)果的置信度。
2、 如權(quán)利要求l所述的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其特征 在于，所述步驟5)和步驟6)是相互獨(dú)立的，兩者沒(méi)有先后次序。
3、 如權(quán)利要求1所述的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其特征 在于，所述步驟5)中的所述同步聲學(xué)后驗(yàn)概率計(jì)算具體如下根據(jù)聲學(xué)后驗(yàn)概率計(jì)算的框圖，首先考慮每一幀的后驗(yàn)概率計(jì)算，對(duì)于每一幀 語(yǔ)音輸入信號(hào);c,， t=l,2....T，其對(duì)于每一幀語(yǔ)音信號(hào)的后驗(yàn)概率為尸(s,lx,)，定義為三Z)其中是指識(shí)別結(jié)果中所屬的狀態(tài)，D為識(shí)別過(guò)程中當(dāng)前時(shí)刻t活躍狀態(tài)的集合，^是活躍狀態(tài)集合中的狀態(tài)；在解碼識(shí)別過(guò)程中，同時(shí)保存了每一幀語(yǔ)音信號(hào)的后驗(yàn)概率尸(A k)的分母部分 尸")=2>"4萬(wàn)) (2)當(dāng)識(shí)別過(guò)程結(jié)束，得到識(shí)別結(jié)果為R，其中包含N個(gè)音素，其音素序列為PZ/。i^.…戶(hù)^M ，而每個(gè)音素對(duì)應(yīng)的語(yǔ)音幀序列......& ;每個(gè)音素的對(duì)數(shù)域后驗(yàn)概率計(jì)算如下<formula>formula see original document page 3</formula> (3) 其中，計(jì)算每個(gè)音素的后驗(yàn)概率的分母部分]^p^)是預(yù)先保存好的，而分子部分j^p^》,)p(W是識(shí)別結(jié)果中該個(gè)音素的似然概率；1=1得到上述每個(gè)音素的后驗(yàn)概率后，整個(gè)識(shí)別結(jié)果R的基于聲學(xué)模型的后驗(yàn)概率 尸。，*(尺)的計(jì)算公式為-尸一恥=》巧) (化W '-=0
4、如權(quán)利要求1所述的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其特征 在于，所述步驟6)中的所述詞圖后驗(yàn)概率計(jì)算如下假設(shè)得到的識(shí)別結(jié)果為R，其中包含N個(gè)音素，其音素序列為7^。戶(hù)//1....尸~_1, 對(duì)應(yīng)的每個(gè)音素的起始時(shí)間為^和^，對(duì)于t和^間的任一時(shí)刻t，設(shè)其包含的和當(dāng)前音素相同的邊的集合為g ，則對(duì)于音素i^,時(shí)刻t對(duì)應(yīng)的后驗(yàn)概率計(jì)算如下 尸柳"og[Z蹄柳 (5)當(dāng)前音素的后驗(yàn)概率計(jì)算公式如下<formula>formula see original document page 4</formula><formula>formula see original document page 4</formula><formula>formula see original document page 4</formula>整個(gè)識(shí)別結(jié)果的基于詞圖的后驗(yàn)概率iL,JR)計(jì)算如下-
5、如權(quán)利要求1所述的應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其特征在于，所述步驟8)中的置信度分?jǐn)?shù)計(jì)算如下通過(guò)實(shí)驗(yàn)數(shù)據(jù)可以估計(jì)出線性融合系數(shù);i以及后驗(yàn)概率和置信度分?jǐn)?shù)的映射函<formula>formula see original document page 4</formula> (8) 其中C^^。w為最后置信度分?jǐn)?shù)，p為線性融合后的后驗(yàn)概率； 最后置信度分?jǐn)?shù)CM,^^如下<formula>formula see original document page 4</formula> (9)。
全文摘要
本發(fā)明涉及一種應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)的高性能置信度處理方法，其框架是基于一遍語(yǔ)音識(shí)別解碼完成，在一遍語(yǔ)音識(shí)別過(guò)程中得到多個(gè)知識(shí)源，通過(guò)多個(gè)知識(shí)源融合處理得到置信度。本發(fā)明的語(yǔ)音識(shí)別置信度評(píng)價(jià)方法，只使用了一遍語(yǔ)音識(shí)別解碼，同時(shí)利用了多個(gè)知識(shí)源，與以往的方法相比，該方法在大幅提高計(jì)算速度的同時(shí)，也使置信度計(jì)算的結(jié)果更為準(zhǔn)確有效。
文檔編號(hào)G10L15/00GK101447183SQ200810110479
公開(kāi)日2009年6月3日 申請(qǐng)日期2008年6月5日 優(yōu)先權(quán)日2007年11月28日
發(fā)明者潘接林, 趙慶衛(wèi), 顏永紅, 塔 黎 申請(qǐng)人:中國(guó)科學(xué)院聲學(xué)研究所;北京中科信利技術(shù)有限公司