語音識別系統(tǒng)噪聲魯棒性算法研究.pdf

1、近年來，隨著語音識別技術(shù)不斷地發(fā)展，語音識別系統(tǒng)已開始從PC機逐步走向嵌入式平臺。然而當嵌入式語音識別系統(tǒng)應(yīng)用到真實的操作環(huán)境中時，由于訓練環(huán)境和識別環(huán)境的不匹配，導(dǎo)致其識別性能大大的下降。本文的重點是針對這些問題，對語音識別系統(tǒng)噪聲魯棒性算法展開研究。本研究主要內(nèi)容包括：
　　 ⑴構(gòu)建了一個非特定人語音識別的仿真系統(tǒng)，系統(tǒng)采用一個簡化的連續(xù)隱馬爾科夫模型，即非線性分段與高斯混合模型(NLP+GMM)。該系統(tǒng)將用于噪聲魯棒算法的

2、研究與測試。隨后以該系統(tǒng)為基礎(chǔ)，進行了譜減法(SS)和維納濾波(WF)的語音增強實驗。實驗結(jié)果表明，在低信噪比情況下，兩種語音增強算法都使系統(tǒng)對噪聲的魯棒性得到提升。
　　 ⑵提出了求取倒譜均值方差歸一(CMVN)參數(shù)的遞推算法。該遞推算法能在線性時間復(fù)雜度內(nèi)計算出均值和方差，使得CMVN參數(shù)的平均計算速度得到顯著提升。
　　 ⑶在CMVN算法基礎(chǔ)上，提出了基于統(tǒng)計閾值的CMVN，即STCMVN算法。STCMVN算法不僅

3、能濾除特征空間的高頻噪聲，而且進一步減小訓練環(huán)境和識別環(huán)境的不匹配。實驗表明，在信噪比較低情況下，STCMVN都要優(yōu)于MFCC、CMS和CMVN; CMVN與MFCC相比，相對提升率最高達到24.03％，而STCMVN與CMVN相比，相對提升率最高達到3.03％。
　　 ⑷提出了語音增強與特征變換的兩種融合算法。算法一:只將增強后的語音應(yīng)用于VAD，而特征提取使用原始帶噪語音;算法二:將增強后的語音既用于VAD又用于特征提取。實