噪聲環(huán)境下的魯棒語(yǔ)音識(shí)別研究.pdf

1、隨著語(yǔ)音識(shí)別技術(shù)日益成熟,語(yǔ)音識(shí)別系統(tǒng)開始步入實(shí)用,因而如何提高語(yǔ)音識(shí)別系統(tǒng)在背景噪聲環(huán)境下的性能成為識(shí)別系統(tǒng)走向?qū)嵱玫年P(guān)鍵問題之一.該論文在總結(jié)和分析現(xiàn)有的針對(duì)噪聲魯棒識(shí)別問題的算法的基礎(chǔ)之上,依據(jù)噪聲在信號(hào)、特征和模型空間對(duì)語(yǔ)音的影響,在端點(diǎn)檢測(cè)、語(yǔ)音增強(qiáng)、語(yǔ)音特征增強(qiáng)、語(yǔ)音模型補(bǔ)償和特征補(bǔ)償?shù)穆?lián)合等方面做了大量的研究工作:一.端點(diǎn)檢測(cè)在語(yǔ)音識(shí)別中有很重要的應(yīng)用.該文對(duì)語(yǔ)音譜熵特征進(jìn)行了深入的研究,提出引入常數(shù)到其中的概率密度函數(shù)的

2、計(jì)算形式中,得到改進(jìn)的語(yǔ)音譜熵特征,并且提出了相應(yīng)的端點(diǎn)檢測(cè)策略.改進(jìn)的譜滴能夠更容易地區(qū)分語(yǔ)音和噪聲信號(hào),而且,在不同信噪比下引入不同的常數(shù),使得改進(jìn)的譜熵幾乎不受信噪比變化的影響,從而門限更易于設(shè)定和調(diào)節(jié).大量實(shí)驗(yàn)表明該端點(diǎn)檢測(cè)算法大大改善了基本的譜熵的性能,端點(diǎn)檢測(cè)的準(zhǔn)確程度大大高于傳統(tǒng)的基于能量的端點(diǎn)檢測(cè)方法.二.語(yǔ)音增強(qiáng)算法可以有效提高語(yǔ)音的感知質(zhì)量和可懂度.該文分析了基于ARHMM模型的最大后驗(yàn)估計(jì)算法在低信噪比下的缺陷,提

3、出結(jié)合碼本限制的維納濾波算法,來限制原有算法中的混合維納濾波器,使其滿足以碼本描述的某些聲道譜的限制條件.該文提出的算法框架在輸出信噪比、感知質(zhì)量等方面都取得了一定的提高.將該語(yǔ)音增強(qiáng)算法作為語(yǔ)音識(shí)別器的前端處理,也可以提高語(yǔ)音識(shí)別系統(tǒng)性能.三.語(yǔ)音特征增強(qiáng)或補(bǔ)償算法的目的是凈化語(yǔ)音使其與訓(xùn)練環(huán)境匹配,從而提高識(shí)別性能.該文假定由加性噪聲引起的環(huán)境不匹配可以由功率譜域的加性偏差表示.由于偏差和噪聲功率譜之間的對(duì)應(yīng)關(guān)系,該文提出在最大后驗(yàn)

4、框架下,引入噪聲先難知識(shí)到偏差的估計(jì)過程中.而且,由于大多數(shù)噪聲是非平穩(wěn)的,不僅需要跟蹤加性譜偏差的變化,還要實(shí)時(shí)更新噪聲的統(tǒng)計(jì)特性.因此,該文在最大后驗(yàn)框架下,利用基于Kullback-Leibler信息度量的序貫估計(jì)技術(shù)自適應(yīng)地估計(jì)譜偏差和更新噪聲先驗(yàn)分布的參數(shù),從而實(shí)現(xiàn)語(yǔ)音譜特征的增強(qiáng).初步的語(yǔ)音識(shí)別實(shí)驗(yàn)表明該文提出的算法估于序貫的最大似然估計(jì)方法,而且在非平穩(wěn)噪聲環(huán)境下明顯優(yōu)于批處理的方法.四.語(yǔ)音模型補(bǔ)償算法的目的是使得自適應(yīng)

5、之后的語(yǔ)音模型與訓(xùn)練環(huán)境相匹配.該文為了提高系統(tǒng)在非平穩(wěn)噪聲環(huán)境下的性能,綜合利用模型補(bǔ)償方法和特征補(bǔ)償方法各自的優(yōu)點(diǎn),提出了這兩個(gè)空間內(nèi)聯(lián)合補(bǔ)償非平穩(wěn)的噪聲.該文將非平穩(wěn)噪聲分解為常量部分和殘留噪聲部分.在識(shí)別之前,利用該文提出的改進(jìn)的雅可比自適應(yīng)算法來補(bǔ)償常量部分的噪聲;在識(shí)別時(shí),利用該文提出的殘留噪聲消除算法來消除殘留噪聲的影響.在平穩(wěn)噪聲和非平穩(wěn)噪聲下的實(shí)驗(yàn)結(jié)果證明了改進(jìn)的雅可比自適應(yīng)算法優(yōu)于原有的雅可比自適應(yīng)算法,而且在兩個(gè)空