基于迁移学习的深度残差学习用于洁净与噪声环境下的语音识别
音频与语音处理
2025-05-06 v1 人工智能
声音
摘要
解决非平稳环境噪声对自动语音识别(ASR)的有害影响一直是一个持续且重要的研究焦点。尽管取得了进展，这一挑战仍然是主要关切。近年来，数据驱动的监督式方法，如深度神经网络，已成为传统无监督方法的有前景的替代方案。通过大量训练，这些方法有潜力克服多样化现实声学环境带来的挑战。鉴于此，本文引入一种新颖的神经框架，将鲁棒前端集成到洁净与噪声环境下的ASR系统中。利用Aurora-2语音数据库，作者评估了基于残差神经网络(ResNet)的迁移学习方法下，梅尔频率声学特征集的有效性。实验结果表明，与卷积神经网络(CNN)和长短期记忆(LSTM)网络相比，识别准确率有显著提升。他们在洁净模式下达到了98.94%的准确率，在噪声模式下达到了91.21%的准确率。
引用
@article{arxiv.2505.01632,
title = {Transfer Learning-Based Deep Residual Learning for Speech Recognition in Clean and Noisy Environments},
author = {Noussaiba Djeffal and Djamel Addou and Hamza Kheddar and Sid Ahmed Selouani},
journal= {arXiv preprint arXiv:2505.01632},
year = {2025}
}