用于鲁棒远场关键词识别的可训练前端
计算与语言
2016-07-20 v1 神经与进化计算
摘要
鲁棒的远场语音识别对于实现真正的免提通信至关重要。在远场条件下，信号会因距离而衰减。为了提高对响度变化的鲁棒性，我们引入了一种称为逐通道能量归一化（PCEN）的新型前端。PCEN 的关键要素是使用基于自动增益控制的动态压缩来替代广泛使用的静态（如对数或根号）压缩。我们在关键词识别任务上评估了 PCEN。在我们大规模重新录制的含噪和远场评估集上，我们展示了 PCEN 显著提高了识别性能。此外，我们将 PCEN 建模为神经网络层，并与关键词识别声学模型联合优化高维 PCEN 参数。训练后的 PCEN 前端在不增加模型复杂度或推理时间成本的情况下，展示了显著的进一步改进。
引用
@article{arxiv.1607.05666,
title = {Trainable Frontend For Robust and Far-Field Keyword Spotting},
author = {Yuxuan Wang and Pascal Getreuer and Thad Hughes and Richard F. Lyon and Rif A. Saurous},
journal= {arXiv preprint arXiv:1607.05666},
year = {2016}
}