抗噪聲語音識別技術(shù)的研究.pdf

1、該文對噪聲環(huán)境中的語音識別技術(shù)進(jìn)行了研究,其主要內(nèi)容及成果如下:1.針對MFCC(Mel-Frequency Cepstral Coefficient)和LPCC(Linear Prediction Cepstral Coefficient)特征在低信噪比時區(qū)分能力較差、使用模型補(bǔ)償技術(shù)無法取得很高識別率的缺點(diǎn),提出了基于單邊自相關(guān)序列(one-sided autocorrelation,OSA)MFCC特征的模型補(bǔ)償技術(shù).2.分析了環(huán)

2、境噪聲對相對自相關(guān)序列(Relative Autocorrelation Sequences,RAS)MFCC特征的影響,提出了基于RAS-MFCC特征的模型補(bǔ)償技術(shù).3.提出了一種基于MFCC特征的邊緣概率(marginalisation)噪聲語音識別技術(shù).在提出的丟失數(shù)據(jù)(Missing Data,MD)技術(shù)中,對MFCC特征的每個分量采用了兩個相互獨(dú)立準(zhǔn)則的聯(lián)合判決結(jié)果來判定其可靠性,增加了判決的準(zhǔn)確度.4.對邊緣概率技術(shù)中的二元

3、判決作了改進(jìn),提出了一種基于MFCC特征的軟判決技術(shù).在軟判決技術(shù)中,根據(jù)該文所提的邊緣概率技術(shù)中的兩個判決準(zhǔn)則,采用了一個基于規(guī)則的模糊邏輯系統(tǒng)來確定每個分量的可靠程度.5.提出了一種基于RAS-MFCC特征的邊緣概率技術(shù),實(shí)驗(yàn)結(jié)果表明所提識別方法可以有效地提高RAS-MFCC的識別率,并且其性能明顯優(yōu)于基于濾波器組語音特征和MFCC特征的邊緣概率技術(shù).6.提出了一種噪聲自適應(yīng)的多分辨率語音識別方法.所提識別方法將全帶識別器與子帶識別