第三届“CHiME”挑战赛的噪声鲁棒语音识别：利用基于时频掩蔽的多通道语音增强与循环神经网络
声音
2015-09-25 v1 计算与语言
摘要
本文介绍了Lingban团队在第三届“CHiME”语音分离与识别挑战赛中的参赛系统。提出一种基于时频掩蔽的语音增强前端，利用多通道相干性与空间线索抑制环境噪声。将最先进的语音识别技术，即基于循环神经网络的声学与语言建模、基于状态空间最小贝叶斯风险的区分性声学建模，以及基于i-vector的声学条件建模，精心集成到语音识别后端。为通过充分利用不同技术优势进一步提升系统性能，最终识别结果通过格组合与重打分获得。在官方数据集上的评测证明了所提系统的有效性。与最佳基线结果相比，所提系统在真实数据测试集上获得了一致的改进，相对词错误率降低超过57%。
引用
@article{arxiv.1509.07211,
title = {Noise-Robust ASR for the third 'CHiME' Challenge Exploiting Time-Frequency Masking based Multi-Channel Speech Enhancement and Recurrent Neural Network},
author = {Zaihu Pang and Fengyun Zhu},
journal= {arXiv preprint arXiv:1509.07211},
year = {2015}
}
备注
The 3rd 'CHiME' Speech Separation and Recognition Challenge, 5 pages, 1 figure