4月15日至20日，国际声学、语音与信号处理顶级会议ICASSP 2018在加拿大卡尔加里举行。自动化所模式识别国家重点实验室智能交互团队刘文举研究组提交的论文“Boosting Noise Robustness of Acoustic Model via Deep Adversarial Training”获得最佳学生论文奖。

　　获奖论文针对语音识别系统在噪声环境下识别性能下降的问题，提出了深度对抗声学模型训练框架，有效减小了噪声环境语音数据和真实训练数据的分布差异，提升了声学模型的鲁棒性。该框架不需要一一对应的带噪数据和纯净数据，可作为通用训练框架提升已有声学模型的噪声鲁棒性，已被审稿人提议加入语音识别深度学习工具包Kaldi分支。刘文举研究组在基于深度对抗训练的领域自适应问题上进行了系列深入研究，目前已在OCR、鲁棒性语音识别和语音增强等领域取得多项优秀成果。 

　　IEEE主办的 ICASSP（International Conference on Acoustics, Speech and Signal Processing，国际声学、语音与信号处理会议）是信号处理及其应用方面最大、最具影响力的国际学术会议。 ICASSP 2018围绕信号处理和AI的机遇和挑战设置了大会主题，展现了人工智能和机器学习在信号处理及其应用方面的最新进展。