強(qiáng)噪聲環(huán)境下語(yǔ)音識(shí)別及VUI系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、伴隨著人機(jī)交互技術(shù)的快速發(fā)展,語(yǔ)音用戶(hù)界面(Voice User Interface,VUI)逐步成為國(guó)內(nèi)外的研究熱點(diǎn)。借助VUI系統(tǒng),改變傳統(tǒng)的鍵盤(pán)輸入模式,代之以語(yǔ)音輸入的方式,人機(jī)交互更加的便捷和人性化。
　　然而實(shí)際應(yīng)用中環(huán)境噪聲復(fù)雜,VUI往往會(huì)遇到識(shí)別和訓(xùn)練環(huán)境不相匹配的情況,從而使得語(yǔ)音識(shí)別率較低。因此,本文將經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)、希爾伯特-黃變化(Hilb

2、ert-Huang Transform,HHT)以及雙麥克風(fēng)噪聲干擾對(duì)消技術(shù)相結(jié)合。提高了VUI系統(tǒng)在強(qiáng)噪聲環(huán)境下的識(shí)別率,從而給飛機(jī)輔助維修設(shè)備提供可靠的人機(jī)交互。本文的主要研究?jī)?nèi)容如下:
　　第一,針對(duì)VUI系統(tǒng)在國(guó)內(nèi)外的研究現(xiàn)狀和發(fā)展趨勢(shì),分析了目前民用航空輔助維修的需求,闡述了存在的實(shí)際問(wèn)題和需要改進(jìn)的方面。
　　第二,以往的語(yǔ)音端點(diǎn)檢測(cè)算法一般是利用語(yǔ)音信號(hào)的短時(shí)能量、短時(shí)平均過(guò)零率等時(shí)域特征參數(shù)。能量計(jì)算方法不盡

3、合理,且在低信噪比情況下識(shí)別效果較差。本文研究了基于EMD和Teager能量算子的語(yǔ)音端點(diǎn)檢測(cè)技術(shù),該方法結(jié)合EMD和Teager能量算子在表征非線性非平穩(wěn)信號(hào)上的優(yōu)勢(shì),EMD分解語(yǔ)音信號(hào)實(shí)現(xiàn)初步去噪,然后利用Teager能量來(lái)代替短時(shí)能量進(jìn)行端點(diǎn)檢測(cè)。
　　第三,在去噪處理方面,傳統(tǒng)的方法是用單一麥克風(fēng)獲取帶噪語(yǔ)音,然后進(jìn)行小波變換、譜減等。考慮到飛機(jī)維修現(xiàn)場(chǎng)的噪聲頻域分布更廣、幅度更大等特性,本文引入雙麥克風(fēng)自適應(yīng)噪聲對(duì)消技術(shù)

4、,一路麥克風(fēng)采集帶噪語(yǔ)音,一路麥克風(fēng)采集背景噪聲,利用遞歸最小二乘(Recursive Least Square,RLS)自適應(yīng)算法,在時(shí)域上對(duì)消兩路信號(hào),最大程度去除噪聲成分,保留有效語(yǔ)音,最終實(shí)現(xiàn)信噪比的提高。
　　第四,詳細(xì)闡述了基于以上兩種技術(shù)的VUI系統(tǒng)各模塊實(shí)現(xiàn)過(guò)程以及相互之間的通信方式。該設(shè)計(jì)采用客戶(hù)端-服務(wù)器端(C/S)結(jié)構(gòu),有效地利用了客戶(hù)端和服務(wù)器端的負(fù)載。通過(guò)對(duì)隱馬爾科夫模型(Hidden Markov Mo