采用深层神经网络中间层特征的关键词识别

摘要 在基于模板匹配的关键词识别中，提出采用深层神经网络的中间层特征(bottleneck，BN)作为特征输入，将其取代传统的声学参数来生成后验概率图．首先采用传统语音识别的过程训练一个中间层很窄的深层神经网络，将所有的语音特征经过这个神经网络后得到稳健的BN特征；然后利用混合高斯模型将BN特征转化成后验概率图；在识别过程中，利用后验概率图作为特征参数，采用简化的分段动态时间规整算法实现关键词匹配．在TIMIT数据库上，相对于采用传统感知线性参数的系统，采用BN特征的系统，识别准确率有30％的提升