資源描述：
《抗噪連續(xù)語音識別的研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。
1、電子科技大學碩士學位論文抗噪連續(xù)語音識別的研究姓名：林劼申請學位級別：碩士專業(yè)：計算機應用技術指導教師：劉玓20060104摘要摘要目前的連續(xù)語音識別系統(tǒng)對純凈語音已能達到非常高的識別精度，但是無處不在的背景噪聲帶來了訓練模型和測試語音之間的失配，這種失配使得連續(xù)語音識別系統(tǒng)的性能在噪聲環(huán)境中急劇下降。因此抗噪聲問題是語音識別的關鍵性問題。本論文首先分析并實現(xiàn)了一個以Ｍｅｌ頻率倒譜系數(shù)（ＭＦＣＣ）作為語音特征，基于隱馬爾可夫模型（ＨＭＭ），針對連續(xù)數(shù)字串識別任務的基本連續(xù)語音識別系統(tǒng)。然后基于此基本連
2、續(xù)語音識別系統(tǒng)進行了抗噪聲技術的研究。目前的抗噪聲技術主要分為四類：語音增強法、提取抗噪語音特征法、噪聲補償法、丟特征法。本論文分別對其中的語音增強法和基于丟特征法的條件概率聯(lián)合模型方法進行了研究。其中通過對傳統(tǒng)Ｗｉｅｎｅｒ濾波算法和傳統(tǒng)ＡＮＣ算法的缺點進行分析，提出了改進型重復Ｗｉｅｎｅｒ濾波算法和改進型ＣＴＲＡＮＣ算法。實驗表明我們提出的這兩種方法相比傳統(tǒng)方法有更好的噪聲抑制效果。再者我們通過對條件概率聯(lián)合模型的優(yōu)缺點進行研究后，我們提出了后驗概率聯(lián)合模型ＰＵＭ，提高了對時變噪聲的消噪效果。最終本
3、文提出了語音增強結(jié)合ＰＵＭ模型的一種新的語音抗噪方法，弗且基于這種新方法我們從高識別率和低成本較高識別率兩方面出發(fā)，構建了改進型ＣＴＲＡＮＣ結(jié)合ＰＵＭ新模型和改進型重復Ｗｉｅｎｅｒ濾波結(jié)合ＰＵＭ新模型。這兩個新模型分別用改進型ＣＴＲＡＮＣ和改進型重復Ｗｉｅｎｅｒ濾波語音增強方法對含嗓語音中有先驗知識的噪聲進行濾除，較有效的消除了寬帶噪聲。從而為ＰＵＭ模型提供了只有局部頻帶被噪聲污染的語音信號，彌補了ＰＵＭ模型不適用于語音信號全頻帶被噪聲污染的情況。同時這兩個新模型利用ＰＵＭ模型作為語音增強的后處理，有
4、效的消除了語音增強造成得語音失真，也正彌補了語音增強方法的缺點。實驗結(jié)果表明，這兩個新模型相比其它模型在各種不同背景噪聲情況下有更好的語音識別率，其中改進型重復Ｗｉｅｎｅｒ濾波結(jié)合ＰＵＭ新模型提高近１５％的字語音識別率，改進型ＣＴＲＡＮＣ結(jié)合ＰＵＭ新模型提高近３０％的字語音識別率。關鍵詞：連續(xù)語音識別，抗噪語音識別，后驗概率聯(lián)合模型，語音增強，ＨＭＭ，噪聲摘要ｒｅｍｏｖｃｓｔｈｅｎｏｉｓｅｃｏｍｐｏｎｅｎｔｓｗｉｔｈｋｎｏｗｎｏｒｔｒａｉｎａｂｌｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｃｏｎｓｅｑｕｅｎｔｌ
5、ｙ，ｉｔｍａｙｂｅａｓｓｕｍｅｄｔｈａｔｉｎｔｈｅｏｕｔｐｕｔｓｉｇｎａｌｆｒｏｍｔｈｅｅｎｈａｎｃｅｍｅｎｔｓｔａｇｅｔｈｅｒｅａｒｅｏｎｌｙｓｏｍｅｆｒｅｑｕｅｎｃｙｂａｎｄｓｒｅｍａｉｎｉｎｇｃｏｒｒｕｐｔｅｄ，ｄｕｅｔｏｔｈｅｌａｃｋｏｆｆｕｌｌｋｎｏｗｌｅｄｇｅｏｆｔｈｅｎｏｉｓｅ．Ａｓｔｈｅｓｅｃｏｎｄｓｔａｇｅ，ｔｈｅＰＵＭｉｓｕｓｅｄｔｏｔａｃｋｌｅｔｈｅｒｅｍａｉｎｉｎｇｕｎｋｎｏｗｎｎａｎ－ｏｗ－ｂａｎｄｃｏｒｒｕｐｔｉｏｎｂｙｆｏｃｕｓｉｎｇｔｈｅｒｅｃｏｇｎｉｔｉｏｎｏｎｌｙｏ
6、ｎｔｈｅｃｌｅａｎｆｒｅｑｕｅｎｃｙ。ｂａｎｄｉｎｆｏｒｍａｔｉｏｎｗｉｔｈｉｎｔｈｅｅｎｈａｎｃｅｄｓｉｇｎａｌ．Ａｎｄｗｅｃｏｎｓｔｒｕｃｔｅｄｔｗｏｎｅｗｍｏｄｅｌｓ：１）ＩｍｐｒｏｖｅｄＩｔｅｒａｔｉｏｎＷｉｅｎｅｒｆｉｌｔｅｒ／ＰＵＭｎｅｗｍｏｄｅｌ，２）ＩｍｐｒｏｖｅｄＣＴＲＡＮＣＴＰＵＭｎｅｗｍｏｄｅｌ．ＴｈｅＴＩＤＩＧＩＴＳｄａｔａｂａｓｅｗａｓｕｓｅｄｔｏｅｖａｌｕａｔｅｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｓａｎｄｅｎｃｏｕｒａｇｉｎｇｒｅｓｕｌｔｓｗｅＦｅｏｂｔａｉｎｅｄ．Ｔｈｅｒｅ
7、ｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｍｅｔｈｏｄｓａｌｅａｌｌｅｆｆｅｃｔｉｖｅｓｃｈｅｍｅｒｅｓｕｌｔｉｎｇｉｎａ２５％ｒｅｄｕｃｔｉｏｎｉｎｗｏｒｄｓｅｒｒｏｒｒａｔｅｏＶｅｒｃｏｎｖｅｎｔｉｏｎａｌｍｅｔｈｏｄｓｉｎａｗｉｄｅｒａｎｇｅｏｆｅｎｖｉｒｏｎｍｅｎｔｓ．Ｋｅｙｗｏｒｄｓ：ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ，ｒｏｂｕｓｔｎｅｓｓ，ｎｏｉｓｅ，ＨＭＭ，ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔ，ＰＵＭ主要符ｑ表ＦＦＴＨＭＭＤＨＭＭＣＤＨＭＭＧＭＭｓＡＮＮＶＱＰＭＣＭＵ蓋ＷＰＭＪＡＳＭＡＮＣ（１
8、ｍＡＮＣＶ氣ＤＤＣＴＰＵＭＳＴＳＡＭＦＣＣＳＮＲＳＣＲＬＭＳ主要符號表Ｖ１１．快速傅立葉變換．隱式馬爾可夫模型．離散型ＨＭＭ一連續(xù)型ＨＭＭ．高斯混合模型．人工神經(jīng)網(wǎng)絡一矢量量化一并行模型合并．晟大似然線性回歸一加權投影．雅克比調(diào)整一統(tǒng)計匹配一自適應噪聲消除器．抗干擾自適應噪聲消除器．語音端點檢測．離散余弦變換．后驗概率聯(lián)合模型．短時幅度譜．Ｍｅｌ頻率倒譜系數(shù)．信噪比．信號干擾比．最小均方獨創(chuàng)性聲明本人聲明所呈交的學位論文是本人在導師指導下進行的研究工’作
