基于計算聽覺場景分析的語音預處理系統(tǒng).pdf

1、隨著現代通信技術的高速發(fā)展，空間環(huán)境、噪聲以及干擾的類型都變得越來越復雜，語音信號往往會受到環(huán)境噪聲的污染，造成語音質量的明顯下降。傳統(tǒng)的語音識別工具(例如IBM公司的ViaVio ve)對純凈語音的識別效果較為理想，然而，在低信噪比以及存在噪聲干擾的移動環(huán)境下，這類語音識別系統(tǒng)的性能就會急劇下降。因此，如何提高移動環(huán)境下語音識別系統(tǒng)的抗干擾能力成為了當前亟待解決的一個問題。
　　現有的語音識別技術大多都是單純基于模式識別而不考慮

2、對語音的凈化，針對此問題，本文實現了一種基于計算聽覺場景分析（CASA）的語音識別系統(tǒng)。與傳統(tǒng)的方法不同的是，該識別系統(tǒng)在語音識別引擎前端添加了CASA的語音預處理模塊以提高移動環(huán)境下語音識別正確率。本文基于CASA的預處理模塊，通過使用互通道相關以及時域連續(xù)性等組合線索，將來自同一聲源的聽覺元素合并成聽覺片段，從而將目標語音從噪聲中分離出來。此外，本文利用隱馬爾可夫模型工具包（HTK）來構建一中文語音數據庫，并通過端點檢測的方法對數據

3、庫中的語音進行Mel頻率倒譜系數（MFCC）特征的提取。最后，利用參數重估算法結合語音的MFCC特征進行語法訓練，得到了一個隱馬爾可夫模型（HMM），并以該HMM模型為基礎搭建基于CASA的語音識別系統(tǒng)，即CASA語音識別系統(tǒng)。
　　為了驗證所提算法的有效性，仿真實驗設定了兩種類型噪聲，即馬路噪聲和室內咖啡館噪聲。并在不同信噪比的環(huán)境下，驗證CASA語音識別系統(tǒng)對噪聲的魯棒性。仿真結果表明，對比現有的語音識別系統(tǒng)，本文所提出的CA