38、语音识别挑战：CHiME与REVERB的技术探索

语音识别挑战：CHiME与REVERB的技术探索

1. CHiME挑战中的技术策略

1.1 信号增强策略

在CHiME挑战中，良好的目标增强对成功至关重要，几乎所有团队都尝试改进基线系统的这一组件。具体策略如下：
- 更换波束形成器 ：许多团队用传统的延迟求和波束形成器取代了基线的超指向性MVDR波束形成器。
- 改进估计 ：部分团队保留MVDR框架，但尝试改进导向矢量估计，或语音和噪声协方差估计。
- 添加后置滤波器 ：添加后置滤波阶段也是流行策略，如空间相干滤波或去混响。
- 单通道增强 ：少数团队在阵列处理后使用额外的单通道增强阶段，但效果边际收益较小。

1.2 统计建模策略

特征设计与归一化

多数团队采用与基线相同的特征设计，即初始对齐阶段使用MFCC特征，DNN阶段使用滤波器组特征。同时，良好的说话人/环境归一化很重要，策略包括：
- 特征均值和方差归一化 ：进行基于话语的特征均值和方差归一化。
- 特征增强 ：用基于音高的特征增强DNN输入。
- 有效策略 ：特征空间最大似然线性回归（fMLLR）和用i - 向量或从说话人分类DNN提取的瓶颈特征增强DNN输入是最成功的策略，两者结合有叠加收益。

声学建模

多数团队采用基线系统的DNN架构，替代