語音辨識使用統計圖等化方法

Speech Recognition Leveraging Histogram Equalization Methods

統計圖等化法(Histogram Equalization, HEQ)是一種概念簡單且有效的語音特徵處理技術，近年來被廣泛地研究與應用於強健性語音辨識的領域。在本論文中，我們延續統計圖等化法的研究，提出一系列使用語音特徵的空間­──時間之文脈統計資訊(Spatial-Temporal Contextual Statistics)的語音特徵強健方法；其作法是在語音之倒頻譜特徵上，利用一個簡易的差分(Differencing)和平均(Averaging)的處理方式，來得到語音特徵之文脈統計資訊後予以正規化並結合。這些新方法的作法有別於傳統之個別維度獨立正規化(Dimension-Wise)的統計圖等化法，進一步地正規化不同空間與時間之間的特徵分布資訊，因此可以降低不同聲學環境所產生的偏差，並且嘗試消除傳統之統計圖等化法無法補償的問題，亦即隨機性雜訊(Random Noise)對語音所產生的影響。本論文所有的語音辨識實驗皆是作用於國際通用的連續語音語料庫 Aurora-2 上；實驗結果顯示，我們所提出之方法相較於許多著名的特徵強化法，皆有不錯的效果。