基于人耳聽覺特性的語音識別及在人機(jī)交互上的應(yīng)用.pdf

1、隨著噪聲的增加，機(jī)器語音識別性能急劇惡化，而人類聽覺系統(tǒng)的識別效果卻是相對穩(wěn)定的，這就啟發(fā)了我們從仿生的角度來研究語音識別，而基于聽覺特性的語音識別研究也是目前的研究熱點(diǎn)和難點(diǎn)之一。因此，基于人耳聽覺特性的語音識別人機(jī)交互具有非常重要的理論研究意義和較高的實(shí)際應(yīng)用價值。
　　 首先，對基于人耳聽覺特性的語音識別原理進(jìn)行了深入的理論研究，掌握了人耳語音接收過程的生理學(xué)和人耳聽覺系統(tǒng)對語音信號的信號處理機(jī)制，總結(jié)了語音感知特性和噪聲

2、特性，并給出了典型的基于人耳聽覺特性的語音識別系統(tǒng)，為以后的研究打下的扎實(shí)的理論基礎(chǔ)。
　　 接著，本文研究了基于語音分離的預(yù)處理。本文對傳統(tǒng)基于端點(diǎn)檢測和語音增強(qiáng)的預(yù)處理方法進(jìn)行了研究，發(fā)現(xiàn)其只適用于較為簡單的噪聲（如:高斯白噪聲）環(huán)境下，且隨著信噪比的下降，語音識別系統(tǒng)的識別率直線下滑。因此，我們將基于人耳的聽覺選擇能力即“雞尾酒會效應(yīng)”的語音分離技術(shù)應(yīng)用到前端，更有利于提高語音識別系統(tǒng)在多聲源和復(fù)雜噪聲環(huán)境下的識別性能。<

3、br>　　 然后，本文研究了基于入耳聽覺特性的語音特征提取。本文闡述了幾種常見的語音特征LPCC、MFCC和ZCPA，并對其優(yōu)缺點(diǎn)進(jìn)行了比較。同時，本文對人耳聽覺模型進(jìn)行了研究和對比，在原有的人耳聽覺濾波器GT和GC濾波器的基礎(chǔ)上，針對GT和GC濾波器頻率選擇特性不夠尖銳的問題，提出了GT-4和GC-4濾波器;同時，針對Mel刻度不符合聽覺特性中臨界帶寬的問題，將改進(jìn)的濾波器按ERB刻度排列。隨后將GT-4，GC-4濾波器與MFCC，

4、ZCPA結(jié)合，獲得了改進(jìn)的MFCC、ZCPA特征提取方法。
　　 最后，本文做了大量的驗(yàn)證實(shí)驗(yàn)，結(jié)果表明:在不同的聲壓級和不同信噪比的多種噪聲環(huán)境下，所提算法性能較之MFCC均有不同程度的提高，隨著聲壓級從40dB降到-20dB，MFCC的識別率降低了22.83％，而ERBCC-GC4和ZCPA-GC4分別只降低了2.60％和3.47％;隨著信噪比從30dB降到0dB，MFCC的識別率降低了18.52％，而ERBCC-GC4和Z