基于空間分離和丟失數(shù)據(jù)的語(yǔ)音識(shí)別算法研究.pdf

1、目前常用的魯棒語(yǔ)音識(shí)別研究主要是基于測(cè)試環(huán)境和訓(xùn)練環(huán)境的失配問(wèn)題提出的，例如魯棒語(yǔ)音特征參數(shù)提取、特征補(bǔ)償和模式自適應(yīng)的方法，這些魯棒性算法的研究出發(fā)點(diǎn)都是要保證測(cè)試特征參數(shù)和訓(xùn)練特征參數(shù)模型的一致性。
　　而人耳聽(tīng)覺(jué)系統(tǒng)的語(yǔ)音信號(hào)處理系統(tǒng)具有較強(qiáng)的魯棒性，能夠在極其嘈雜的聲學(xué)環(huán)境下實(shí)現(xiàn)準(zhǔn)確的語(yǔ)音感知和識(shí)別。相關(guān)研究指出人耳聽(tīng)覺(jué)感知過(guò)程可以分為兩個(gè)階段:第一，聲學(xué)信號(hào)的切分(segmentation)過(guò)程，第二，屬于同一聲學(xué)目標(biāo)的

2、感知成分的組合(grouping)過(guò)程，從而形成不同聲源連貫的數(shù)據(jù)流(coherent stream)。也就是說(shuō)聽(tīng)覺(jué)系統(tǒng)的感知過(guò)程，實(shí)際上是聽(tīng)覺(jué)場(chǎng)景中不同聲源信號(hào)的重組織過(guò)程，混合聲信號(hào)中屬于同一聲源的分量組織到一個(gè)數(shù)據(jù)流中，從而得到不同聲源的數(shù)據(jù)流，使得人耳的聽(tīng)覺(jué)系統(tǒng)可以區(qū)分不同的聲源。在此基礎(chǔ)上，再進(jìn)行進(jìn)一步的處理。因此從人耳聲信號(hào)處理的機(jī)制出發(fā)，對(duì)基于語(yǔ)音分離的魯棒識(shí)別方法進(jìn)行研究。
　　考慮到由于基于方位信息的語(yǔ)音分離與語(yǔ)

3、音信號(hào)內(nèi)容、說(shuō)話人無(wú)關(guān)，同時(shí)基于空間方位信息的語(yǔ)音分離無(wú)需建立源信號(hào)參數(shù)的統(tǒng)計(jì)模型。由于空間分離后，特征參數(shù)存在數(shù)據(jù)丟失的問(wèn)題，因此本論文將基于空間分離的語(yǔ)音分離方法和基于丟失數(shù)據(jù)的語(yǔ)音識(shí)別方法進(jìn)行了結(jié)合，提出了融合空間方位分離和丟失數(shù)據(jù)的孤立詞識(shí)別算法。本論文的主要工作如下:
　　(1)對(duì)語(yǔ)音識(shí)別系統(tǒng)的基本結(jié)構(gòu)進(jìn)行了概述，包括預(yù)處理、特征提取與HMM語(yǔ)音模型。具體分析了現(xiàn)有魯棒語(yǔ)音識(shí)別技術(shù)在信號(hào)空間、特征空間與模型空間所包含的代

4、表性的技術(shù)。并由此引入本文的重點(diǎn)研究?jī)?nèi)容:基于丟失數(shù)據(jù)的語(yǔ)音識(shí)別技術(shù)。
　　(2)分析了現(xiàn)有魯棒識(shí)別系統(tǒng)經(jīng)常使用的語(yǔ)音特征參數(shù)，包括倒譜域中的梅爾倒譜系數(shù)(MFCC)和線性預(yù)測(cè)倒譜系數(shù)(LPCC)?；趤G失數(shù)據(jù)技術(shù)的基本原理，本文研究了另外兩種頻域中的參數(shù):基于梅爾濾波器組的FBANK參數(shù)和基于Gammatone濾波器組的子帶RateMap參數(shù)，并基于HMM通過(guò)Matlab進(jìn)行仿真測(cè)試，實(shí)驗(yàn)表明，這兩種參數(shù)可以應(yīng)用于基于丟失數(shù)據(jù)的

5、語(yǔ)音識(shí)別系統(tǒng)之中。
　　(3)實(shí)現(xiàn)了基于空間分離和丟失數(shù)據(jù)技術(shù)的語(yǔ)音識(shí)別系統(tǒng)?；诳臻g信息的語(yǔ)音分離算法基于語(yǔ)音信號(hào)的稀疏性生成不同聲源的二元掩膜，這種判決方式會(huì)產(chǎn)生目標(biāo)聲源頻域成分丟失的問(wèn)題。本文研究了兩種算法對(duì)丟失的數(shù)據(jù)部分進(jìn)行處理。一種是完全忽略數(shù)據(jù)的丟失部分，僅使用未丟失的數(shù)據(jù)進(jìn)行語(yǔ)音識(shí)別，即邊緣概率技術(shù)。另一種是通過(guò)特定的方法恢復(fù)數(shù)據(jù)的丟失部分，得到完整的數(shù)據(jù)用來(lái)進(jìn)行語(yǔ)音識(shí)別，即數(shù)據(jù)估計(jì)技術(shù)。仿真實(shí)驗(yàn)表明兩種技術(shù)在低信噪