噪聲環(huán)境下的語音識(shí)別關(guān)鍵技術(shù)研究.pdf

1、噪聲是阻擋語音識(shí)別走向?qū)嵱没闹饕蛩亍榱耸拐Z音識(shí)別產(chǎn)品能夠更好地走向?qū)嵱?提高在噪聲環(huán)境下的語音識(shí)別率成為當(dāng)前迫切需要解決的問題。本文在研究國(guó)內(nèi)外相關(guān)資料的基礎(chǔ)上,對(duì)噪聲環(huán)境下的語音識(shí)別進(jìn)行了以下關(guān)鍵技術(shù)研究。
　　 語音預(yù)處理技術(shù)直接影響特征提取的好壞和語音識(shí)別的正確率。本文對(duì)語音信號(hào)的預(yù)處理技術(shù)進(jìn)行研究,包括語音增強(qiáng)、預(yù)加重、分幀、加窗以及端點(diǎn)檢測(cè)技術(shù)等噪聲去除方法。
　　 本文對(duì)噪聲和語音的自動(dòng)分離技術(shù)進(jìn)行分析

2、,包括盲分離算法、獨(dú)立分量分離法、基于遺傳算法的獨(dú)立分量分離法。在此基礎(chǔ)上,提出了基于禁忌搜索的盲分離算法。搜索過程中使用禁忌搜索學(xué)習(xí)方法,以峭度作為分離矩陣的適應(yīng)度,并根據(jù)基音頻率選取出所需的語音信號(hào)。實(shí)驗(yàn)表明基于禁忌搜索的語音分離算法能夠跳出局部最優(yōu),搜索到全局最優(yōu)分離矩陣,將語音信號(hào)與噪聲信號(hào)進(jìn)行有效分離,為語音識(shí)別的后續(xù)工作打好基礎(chǔ)。
　　 提取具有抗噪性能的特征參數(shù)是語音識(shí)別的關(guān)鍵。本文將具有抗噪性能的Teager-K

3、aiser能量算子與符合入耳聽覺的Gammatone濾波器相結(jié)合,提取一種語音特征參數(shù)TECC,并采用能較好反映語音信號(hào)動(dòng)態(tài)特性的差分參數(shù),提出將TECC參數(shù)與差分TECC參數(shù)相結(jié)合,形成組合TECC參數(shù)(TECC+△TECC)。實(shí)驗(yàn)結(jié)果表明所提的特征參數(shù)與傳統(tǒng)語音特征參數(shù)LPCC、MFCC及其組合MFCC參數(shù)(MFCC+△MFCC)相比具有更好的抗噪性能和識(shí)別效果。
　　 本文采用Matlab開發(fā)工具,實(shí)現(xiàn)了一個(gè)小詞匯量語音識(shí)