Reconocimiento robusto de voz en sistemas DNN-HMM utilizando parametrización normalizada localmente

Abstract

En esta tesis se describe las modificaciones a la parametrización de bancos de filtros normalizados localmente que mejoran sustancialmente su rendimiento en la tarea de reconocimiento robusto de voz en la base de datos Aurora-4, utilizando un sistema basado en Deep Neural Network – Hidden Markov Models (DNN-HMM). Los coeficientes modificados, denominados Locally Normalized Filter Banks (LNFB), son una versión de banco de filtros de los Locally Normalized Cepstral Coefficients (LNCC) , propuestos anteriormente. El uso de LNFB proporciona una reducción relativa media de la tasa de error de 11,4 % y 9,4 % en comparación con el caso baseline en condiciones de entrenamiento limpio y multi-ruido. Los resultados presentados aquí sugieren que LNFB es más robusta a diferencias de canal entre datos de entrenamiento y prueba , y es más eficaz para enfrentar la diversidad de canal. A continuación se estudia la complementariedad de sistemas DNN-HMM entrenados sobre una misma base de datos, pero con distintas parametrizaciones. Se entrenaron sistemas usando cuatro parametrizaciones distintas aplicando en cada caso la técnica de corrección Weighted Predictor Error, sobre una base de datos reverberante. La combinación de sistemas lleva a un 17,6 % de reducción relativa de la tasa de error respecto al mejor sistema sin combinar.