噪聲環(huán)境下基于MFCC的魯棒語音識別研究.pdf

1、語音識別系統(tǒng)在噪聲環(huán)境下的魯棒性是關(guān)系到語音識別能否走向完全實用化的關(guān)鍵，也是當前語音識別技術(shù)研究的熱點和難點。噪聲魯棒性問題的根源為語音識別訓(xùn)練和測試環(huán)境之間的不匹配，噪聲魯棒語音識別的目的就是消除噪聲引起的訓(xùn)練環(huán)境和測試環(huán)境之間的不匹配，其方法分為4種：魯棒性特征提取、語音增強、模型補償、麥克風陣列。本文重點研究了其中的魯棒特征提取方法，利用聽覺特征機理，借助已有的加窗以及子帶技術(shù)，嘗試構(gòu)建魯棒性比較強的特征向量，從而提高噪聲環(huán)境下

2、的語音識別性能，使其能夠很好地應(yīng)用在實際環(huán)境中。本文主要針對基于Mel頻率倒譜頻率(Mel Frequency Cepstrum Coeficients，MFCC)特征提取，將常規(guī)的MFCC特征提取過程進行改進。主要工作如下： 首先對窗函數(shù)進行改進，在MFCC提取過程中加入混合窗函數(shù)代替漢明窗，在確定主瓣的寬度沒有很大變化的情況下，采用更能抑制旁瓣的函數(shù)，使之在噪聲環(huán)境下比傳統(tǒng)的漢明窗更有優(yōu)勢。 然后，提出將子帶頻譜質(zhì)心

3、(Sub-band frequency Spectrum Centriod，SSC)應(yīng)用于特征提取過程，主要在傳統(tǒng)MFCC特征提取的基礎(chǔ)上，將受噪聲干擾較小的頻譜峰值位置信息加入提取過程，計算各個子帶受噪聲污染程度較小的頻譜質(zhì)心，根據(jù)計算得出的頻譜質(zhì)心序列得到新的特征參數(shù)。其主要任務(wù)是研究將整個頻帶分成多少個子帶，以及各個子帶的邊界位置如何確定。 最后，結(jié)合加窗以及子帶頻譜質(zhì)心，將描述頻譜峰值位置信息的子帶質(zhì)心應(yīng)用到提取過程，建