基于深度自编码网络语音识别噪声鲁棒性研究

来源：计算机工程与应用杂志2017年第13期北京时间：

作者：黄丽霞1，王亚楠1，张雪英1，王洪翠2

单位：1.太原理工大学 信息工程学院，太原 030024；2.天津大学 计算机科学与技术学院，天津 300072

摘要：为了解决传统径向基（Radial basis function，RBF）神经网络在语音识别任务中基函数中心值和半径随机初始化的问题，从人脑对语音感知的分层处理机理出发，提出利用大量无标签数据初始化网络参数的无监督预训练方式代替传统随机初始化方法，使用深度自编码网络作为语音识别的声学模型，分析梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient，MFCC）和基于Gammatone听觉滤波器频率倒谱系数（Gammatone Frequency Cepstrum Coefficient，GFCC）下非特定人小词汇量孤立词的抗噪性能。实验结果表明，深度自编码网络在MFCC特征下较径向基神经网络表现出更优越的抗噪性能；而与经典的MFCC特征相比，GFCC特征在深度自编码网络下平均识别率相对提升1.87%。

关键词：语音识别,鲁棒性,深度自编码网络,GFCC特征,MFCC特征