聽覺特性與魯棒語音識別算法研究.pdf

1、語音識別技術了開創(chuàng)人機交互的新紀元，它被廣泛應用于工業(yè)、軍事、商業(yè)、金融、服務、醫(yī)療、日常生活等很多領域。在實際應用中，由于環(huán)境不匹配，導致識別系統(tǒng)的性能急劇惡化。因而，語音識別的環(huán)境魯棒性成為目前魯棒語音識別研究的熱點和難點。論文先后研究了目前語音識別以及魯棒語音識別技術、人耳的聽覺特性、語音識別中采用的估計準則、噪聲環(huán)境對語音識別影響的途徑，并根據(jù)人耳的感知特性、不同頻帶信號及噪聲的功率譜差異，以及噪聲對不同頻帶識別模型影響的不同，

2、先后采用不同的模型框架、估計準則、匹配方法、可信度信息分析，提出多種魯棒語音識別算法，改進了現(xiàn)有的魯棒語音識別算法。 模型分析與補償技術是目前噪聲環(huán)境下魯棒語音識別研究的重要途徑。在大量的理論分析與研究的基礎上，論文研究了基于 Fletcher-Allen 規(guī)則的子帶框架下的語音識別算法。提出了并行子帶 HMM 最大后驗概率自適應非線性類估計算法和非線性最大后驗統(tǒng)計匹配魯棒語音識別算法。在并行子帶 HMM 最大后驗概率自適應非線

3、性類估計算法中提出了 MAP 估計、環(huán)境映射以及 BP 網(wǎng)絡聯(lián)合做非線性映射分類的方法。該算法在信號信息可信度上采用了信噪比分析，算法中還提出了有效反映噪聲環(huán)境的先驗信息估計方法。在非線性最大后驗統(tǒng)計匹配算法中，提出了依信噪比進行 MAP 統(tǒng)計匹配并聯(lián)合非線性映射進行分類的算法。實驗表明，研究獲得了不同程度識別性能的改進。 基于聽覺特性流組合的研究，論文研究了基于噪聲污染假定的多帶魯棒語音識別算法。論文研究了多帶異步處理模式下的

4、魯棒語音識別算法。首先，論文提出了多帶最大似然魯棒語音識別算法。該算法提出基于多帶模式進行最大似然估計以及線性判別分析或聯(lián)合信噪比及模型近似度判決分析的魯棒語音識別方法。論文根據(jù)多帶分析的特點，還提出了判決多帶最大后驗多變換算法以及它的簡化算法(平均估計和 JamesStein 估計)。該算法采用多帶處理、判別分析、MAP 估計，以及信息多變換等，從多種角度提取識別信息獲得了非常好的性能。論文還提出了聯(lián)合信噪比和模型近似度判別分析的思想

5、和具體處理方法，并對提出的幾種可靠信息合并準則進行了比較實驗。 研究表明，魯棒語音識別應該是基于可信信息抽取的，也就是說不同頻帶信號的處理模式應該是同步、異步交織進行。為此，論文在前面多帶異步處理的基礎上，提出了多帶同步魯棒語音識別算法，可以看到同步信息的利用可以大大簡化模型。然后綜合同步、異步問題的研究，提出了同步一異步語音識別模型，并聯(lián)合對語音信號隨機刪除下語音識別性能的分析，研究了時變一頻變噪聲環(huán)境下的基于信噪比可信度判決