利用电机状态增强深度神经网络瓶颈特征用于人形机器人语音识别
声音
2018-08-28 v1 人工智能
音频与语音处理
摘要
对于人形机器人，其内部噪声（由机器人在移动或晃动身体时电机、风扇和机械部件产生）会严重降低语音识别准确率。本文提出一种对人形机器人自我噪声鲁棒的语音识别系统，其中将电机的开关状态作为辅助信息用于寻找相关输入特征。为此，我们考虑瓶颈特征，其已成功应用于基于深度神经网络（DNN）的自动语音识别（ASR）系统。在学习所捕捉的瓶颈特征时，我们首先利用电机开关状态数据作为补充信息，与声学特征一起作为第一个深度神经网络（DNN）的输入以进行初步声学建模。然后，用于主要声学建模的第二个 DNN 同时采用从第一个 DNN 抛出的瓶颈特征与声学特征。当所提方法在 TIMIT 数据库上以音素错误率（PER）评估时，实验结果表明我们的算法相比传统系统取得了明显改进（相对 11%）。
引用
@article{arxiv.1808.08702,
title = {Augmenting Bottleneck Features of Deep Neural Network Employing Motor State for Speech Recognition at Humanoid Robots},
author = {Moa Lee and Joon Hyuk Chang},
journal= {arXiv preprint arXiv:1808.08702},
year = {2018}
}