嘈雜環(huán)境下特定目標(biāo)語(yǔ)音搜索方法研究.pdf

1、語(yǔ)音搜索是用來(lái)判定特定目標(biāo)身份信息的一種識(shí)別技術(shù)，應(yīng)用領(lǐng)域較為廣泛，所以嘈雜環(huán)境下特定目標(biāo)語(yǔ)音搜索方法成為當(dāng)前研究的熱點(diǎn)，具有重要的理論和實(shí)際意義。本文從語(yǔ)音信號(hào)的基本理論入手，著重研究了特征參數(shù)的提取、高斯混合模型的訓(xùn)練方式、噪聲參數(shù)估計(jì)及語(yǔ)音增強(qiáng)算法，并提出了一種基于語(yǔ)音增強(qiáng)算法與高斯混合模型相結(jié)合的嘈雜環(huán)境下語(yǔ)音搜索方法。
　　本文對(duì)語(yǔ)音搜索的逐個(gè)環(huán)節(jié)進(jìn)行了詳細(xì)研究，首先對(duì)語(yǔ)音信號(hào)的預(yù)處理過(guò)程進(jìn)行了簡(jiǎn)要分析，研究了幾種常用的

2、端點(diǎn)檢測(cè)方法，指出了其在嘈雜環(huán)境下的不足。其次分析了幾種典型特征參數(shù)的提取方法，并對(duì)梅爾倒譜系數(shù)進(jìn)行一階差分處理得到ΔMFCC，將MFCC與ΔMFCC相融合，以提高系統(tǒng)搜索的準(zhǔn)確性。然后對(duì)嘈雜環(huán)境中的噪聲特性進(jìn)行了研究，主要分析了有聲/無(wú)聲段檢測(cè)與連續(xù)噪聲譜兩種噪聲估計(jì)的方法，并將改進(jìn)的譜熵法用于有聲/無(wú)聲段檢測(cè)。經(jīng)仿真實(shí)驗(yàn)表明，有聲/無(wú)聲段檢測(cè)僅能對(duì)平穩(wěn)噪聲進(jìn)行有效估計(jì)，而連續(xù)噪聲譜對(duì)平穩(wěn)噪聲和非平穩(wěn)噪聲均有較好的處理效果。在噪聲估計(jì)

3、的基礎(chǔ)上，為了提高語(yǔ)音信號(hào)的信噪比，減少信號(hào)失真。對(duì)譜減法，維納濾波算法，基于最小均方誤差的MMSE算法進(jìn)行了研究，并提出了新的動(dòng)態(tài)Dynamic-MMSE算法。經(jīng)仿真實(shí)驗(yàn)表明，本文提出的新算法較上述算法性能上有了一定提升。為了提高特定目標(biāo)語(yǔ)音搜索的識(shí)別率，對(duì)諸多識(shí)別模型進(jìn)行了研究。最終確定采用高斯混合模型及期望最大化算法(EM算法)將融合后的特征參數(shù)進(jìn)行特定目標(biāo)語(yǔ)音搜索，優(yōu)勢(shì)在于并不需要完整的數(shù)據(jù)便可對(duì)概率模型的特征參數(shù)進(jìn)行最優(yōu)估計(jì)，