采用深层神经网络中间层特征的关键词识别  

Keyword Spotting Based on Deep Neural Networks Bottleneck Feature

作　　者：刘学[1] 王年松[1] 郭武[2] 

机构地区：[1]安徽省公安厅物证鉴定中心,合肥230061 [2]中国科学技术大学电子工程与信息科学系语音及语言信息处理国家工程实验室,合肥230027

出　　处：《小型微型计算机系统》2015年第7期1540-1544,共5页Journal of Chinese Computer Systems

基　　金：安徽省自然科学基金项目(1408085MNL78)资助

摘　　要：在基于模板匹配的关键词识别中,提出采用深层神经网络的中间层特征(bottleneck,BN)作为特征输入,将其取代传统的声学参数来生成后验概率图.首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络,将所有的语音特征经过这个神经网络后得到稳健的BN特征;然后利用混合高斯模型将BN特征转化成后验概率图;在识别过程中,利用后验概率图作为特征参数,采用简化的分段动态时间规整算法实现关键词匹配.在TIMIT数据库上,相对于采用传统感知线性参数的系统,采用BN特征的系统,识别准确率有30%的提升.In this paper, the BN （ bottleneck ） features extracted from DNN （ Deep Neural Networks ） are adopted to replace the tradi-tional acoustic features in template-based Keyword Spotting. Firstly a traditional speech recognition DNN with narrow bottleneck istrained,then the acoustic features are transformed to BN feature through this BN feature extractor. The BN features are fed into aGMM （ Gaussian Mixture Model ） to generate Gaussian posteriorgrams, which will be served as the input of segmental DTW （Dynam-ic Time Warping ）. A language independent keyword spotting experiments are carried in TIMIT corpus. Experimental results demon-strate that the BN features can outperform the conventional PLP （ Perceptual Linear Prediction ） acoustical features, with an absoluterecognition accuracy improvement of 30%.

关 键 词：识别 分段动态时间规整 深层神经网络 中间层 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]