抗噪連續(xù)語(yǔ)音識(shí)別的研究.pdf

1、目前的連續(xù)語(yǔ)音識(shí)別系統(tǒng)對(duì)純凈語(yǔ)音已能達(dá)到非常高的識(shí)別精度，但是無處不在的背景噪聲帶來了訓(xùn)練模型和測(cè)試語(yǔ)音之間的失配，這種失配使得連續(xù)語(yǔ)音識(shí)別系統(tǒng)的性能在噪聲環(huán)境中急劇下降。因此抗噪聲問題是語(yǔ)音識(shí)別的關(guān)鍵性問題。本論文首先分析并實(shí)現(xiàn)了一個(gè)以Mel頻率倒譜系數(shù)(MFCC)作為語(yǔ)音特征，基于隱馬爾可夫模型(HMM)，針對(duì)連續(xù)數(shù)字串識(shí)別任務(wù)的基本連續(xù)語(yǔ)音識(shí)別系統(tǒng)。然后基于此基本連續(xù)語(yǔ)音識(shí)別系統(tǒng)進(jìn)行了抗噪聲技術(shù)的研究。 目前的抗噪聲技術(shù)

2、主要分為四類：語(yǔ)音增強(qiáng)法、提取抗噪語(yǔ)音特征法、噪聲補(bǔ)償法、丟特征法。本論文分別對(duì)其中的語(yǔ)音增強(qiáng)法和基于丟特征法的條件概率聯(lián)合模型方法進(jìn)行了研究。其中通過對(duì)傳統(tǒng)Wiener濾波算法和傳統(tǒng)ANC算法的缺點(diǎn)進(jìn)行分析，提出了改進(jìn)型重復(fù)Wiener濾波算法和改進(jìn)型CTRANC算法。實(shí)驗(yàn)表明本文提出的這兩種方法相比傳統(tǒng)方法有更好的噪聲抑制效果。再者本文通過對(duì)條件概率聯(lián)合模型的優(yōu)缺點(diǎn)進(jìn)行研究后，本文提出了后驗(yàn)概率聯(lián)合模型PUM，提高了對(duì)時(shí)變?cè)肼暤南?/p>

3、效果。 最終本文提出了語(yǔ)音增強(qiáng)結(jié)合PUM模型的一種新的語(yǔ)音抗噪方法，并且基于這種新方法從高識(shí)別率和低成本較高識(shí)別率兩方面出發(fā)，構(gòu)建了改進(jìn)型CTRANC結(jié)合PUM新模型和改進(jìn)型重復(fù)Wiener濾波結(jié)合PUM新模型。這兩個(gè)新模型分別用改進(jìn)型CTRANC和改進(jìn)型重復(fù)Wiener濾波語(yǔ)音增強(qiáng)方法對(duì)含噪語(yǔ)音中有先驗(yàn)知識(shí)的噪聲進(jìn)行濾除，較有效的消除了寬帶噪聲。從而為PUM模型提供了只有局部頻帶被噪聲污染的語(yǔ)音信號(hào)，彌補(bǔ)了PUM模型不適用于語(yǔ)