[发明专利]一种融合引导概率的语音识别优化解码方法

权利要求书

1.一种融合引导概率的语音识别解码方法，其特征在于，包括下列步骤：

步骤a：训练通用背景模型，用于描述整个声学特征空间；

步骤b：计算语音帧在所述通用背景模型上的主高斯分量；

步骤c：利用声学模型对训练语料库进行强制切分，得到语音帧所属的音素；

步骤d：统计音素与所述通用背景模型中高斯分量的响应频次；

步骤e：根据所述响应频次计算得到引导概率；

步骤f：将引导概率融合到语音识别路径的总得分计算中，从而完成对语音识别路径得分的增强或者削弱。

2.如权利要求1所述的方法，其特征在于，所述步骤a中使用下面两种方式之一训练所述通用背景模型：

其一，使用期望最大化算法训练混合高斯模型并逐渐增加所述混合高斯模型中高斯分量的个数，最终得到通用背景模型；

其二，分别针对训练语料库中的每一个音素建立隐马尔科夫模型；然后使用Baum-Welch算法更新所述隐马尔科夫模型中的参数，得到训练好的隐马尔科夫模型；之后，将所述隐马尔科夫模型中的各高斯分量加权得到初始通用背景模型，并使用EM算法对所得到的通用背景模型中的各高斯分量的参数做调整，得到最终的通用背景模型。

3.如权利要求1所述的方法，其特征在于，步骤b中，对于语音帧O，其主高斯分量为在所述通用背景模型中概率值最大的高斯分量。

4.如权利要求3所述的方法，其特征在于，所述语音帧O在所述通用背景模型中的概率值如下计算：

P(O|λm)=12πΣme-(o-μm)2/2Σm]]>

其中，λ_m为所述通用背景模型中第m个高斯分量的概率密度函数，μ_m，∑_m分别表示第m个高斯分量的均值和方差。

5.如权利要求1所述的方法，其特征在于，所述步骤c具体包括：

建立三音子声学模型，并利用所述三音子声学模型和Viterbi算法对训练语料库相对应的音素序列中的每一个音素划分时间边界，得到所述音素序列中每一个音素的起始时间位置和终止时间位置，并将处于所述起始时间位置和终止时间位置之间的语音帧，标注为属于此音素，以此得到每一语音帧所属的音素。

6.如权利要求1所述的方法，其特征在于，所述步骤d中，所述音素与所述通用背景模型中高斯分量的响应频次为：对于每一高斯分量和每一音素，以所述高斯分量为主高斯分量且属于所述音素的语音帧的帧数。