HMM模型在高噪聲環(huán)境下的語音識(shí)別應(yīng)用研究.pdf

1、語音識(shí)別技術(shù)對(duì)我們?nèi)祟惖纳罹哂蟹浅Ｖ匾囊饬x。它可以使我們的生活變的更加方便高效。人們?cè)陂L(zhǎng)期對(duì)語音識(shí)別技術(shù)進(jìn)行研究的過程中，積累了豐富的經(jīng)驗(yàn)和知識(shí)?，F(xiàn)今語音識(shí)別技術(shù)中的主流技術(shù)應(yīng)該是HMM模型技術(shù)。應(yīng)用HMM模型對(duì)語音信號(hào)進(jìn)行模板訓(xùn)練和識(shí)別從而得到的語音識(shí)別率是各種語音識(shí)別模型當(dāng)中最高的。語音識(shí)別過程應(yīng)該包括語音模板的建立和語音信號(hào)特征的比對(duì)。 本文主要是研究高噪音環(huán)境下的語音識(shí)別問題。盡管目前語音識(shí)別技術(shù)已經(jīng)相當(dāng)成熟，但是，

2、在噪音環(huán)境下的語音識(shí)別率卻不是很高。這主要是因?yàn)樵肼晫?duì)語音識(shí)別的影響較大，而對(duì)噪聲的處理是比較困難的。因此，本文中利用了小波消噪的方法對(duì)在高噪音環(huán)境下所采集的語音信號(hào)進(jìn)行了消噪處理。其中大量的語音信號(hào)是通過WINDOWS系統(tǒng)自帶的錄音機(jī)所采集的，利用HMM模型對(duì)語音信號(hào)進(jìn)行建模，獲得一組語音信號(hào)的模板。然后再利用HMM模型對(duì)經(jīng)過小波消噪處理的信號(hào)進(jìn)行識(shí)別。同時(shí)，為了說明小波消噪對(duì)最后語音識(shí)別率的影響，本文還對(duì)沒有用小波消噪的語音信號(hào)進(jìn)行