Abstract
本論文以基於矩陣量化法(Matrix quantization)、類神經網路(Neural networks) 及電話通道效應消除法(Channel-effect-cancellation approach)在語音辨認上做一系列的研究。我們提出一種新的倒頻譜係數的加權函數作距離量測。而為了解決不同型參數間的距離測量的問題，我們推導出一種稱為廣用距離正規法 (Generalized distancenormalization)，應用在倒頻譜(cepstrum)與差倒頻譜(delta cepstrum)的距離量測上。將連續幾個語音框的特徵向量連結成一個單位，稱為特徵矩陣，因此在語音訊號裡的單獨音框的資訊及其前後音框間的轉態資訊就能同時被存留下來。對每一語者，訓練一個矩陣量化的碼本(codebook)。當一個待測語音輸入後，計算其與那一碼本的距離最接近，此即為所要找之語音。實驗中，對碼本尺碼大小為128 的例子裡，可得百分之百的平均辨認率。為了改善系統的效能，我們提出了一個決策增強網路法(Decision-enhanced netw-ork)，它將支援訊息(supporting information)併入決策考慮中。在訓練階段，先將語者與語者間的距離計算出來，並將之儲存起來當做各個語者間的參考距離。支援訊息就是計算待測者與各語者之距離，與預先儲存的參考距離之間的差值而得到，類神經網路則用來使支援訊息與決策值之關聯得到最佳化。由實驗結果顯示出這種方法對系統效能有極大的改善作用。由於通道效應變化對語者辨認是相當的敏感，我們提出了一套通道效應消除法，用它來解決經過電話網路的語者辨認系統中之通道效應的問題。我們先選擇一組倒通道頻譜當作基底(basis) ，它們經凸形組合(convex combination)後產生通道效應消除濾波器。每當有語音經過電話系統之後，此凸形組合演算就可產生一通道效應濾波器，用來消除語音訊號中的通道效應。其中，我們採用一套類神經網路將凸形組合的係數與予最佳化。最後，對100 個待測語者的電話語音實驗中，我們得到了百分之九十四點八的平均語音辨認率。這顯示出此法對消除電話通道效應相當有效。