[发明专利]一种基于DNN的蒙古语声学模型的训练方法

摘要

本发明提供了一种基于DNN的蒙古语声学模型的训练方法。用DNN深度神经网络代替GMM高斯混合模型，实现对蒙古语声学状态的后验概率进行估算，构建DNN‑HMM声学模型，并公开了该模型的训练方法。本发明可有效降低词识别的错误率和字识别的错误率，提高模型使用性能。

主权项

1.一种基于DNN的蒙古语声学模型的训练方法，其特征在于：首先训练GMM‑HMM蒙古语声学模型，得到对齐的蒙古语语音特征数据；然后在对齐语音特征数据的基础上对深度神经网络（DNN）进行训练和调优；最后根据得到的蒙古语语音观察状态再对隐马尔科夫模型（HMM）进行训练所述训练方法的具体步骤为：步骤1： 进行GMM‑HMM蒙古语声学模型训练，得到一个最优的GMM‑HMM蒙古语语音识别系统，用gmm‑hmm表示；步骤2： 利用维特比解码算法解析gmm‑hmm，对gmm‑hmm蒙古语声学模型的模型中的每一个senone进行标号，得到senone_id；步骤3： 利用gmm‑hmm蒙古语声学模型，将声学状态tri‑phone映射到相应的senone_id；步骤4： 利用gmm‑hmm蒙古语声学模型初始化DNN‑HMM蒙古语声学模型， HMM隐马尔科夫模型参数部分，最终得到dnn‑hmm1模型；步骤5： 利用蒙古语声学特征文件预训练DNN深度神经网络，得到ptdnn；步骤6： 使用gmm‑hmm蒙古语声学模型，将蒙古语声学特征数据进行状态级别的强制对齐，对齐结果为align‑raw；步骤7： 将align‑raw的物理状态转换成senone_id，得到帧级别对齐的训练数据align‑frame；步骤8： 利用对齐数据align‑data对ptdnn深度神经网络进行有监督地微调，得到网络模型dnn；步骤9： 根据最大似然算法，利用dnn重新估计dnn‑hmm1中HMM模型的转移概率得到的网络模型用dnn‑hmm2表示；步骤10： 如果dnn和dnn‑hmm2上测试集识别准确率没有提高，训练结束，否则，使用dnn‑hmm2对训练数据再次进行状态级别对齐，然后执行步骤7。