基于BSS和SVM的語音識別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,目前語音識別技術(shù)的研究已有了實(shí)質(zhì)性的突破。
　　本文在已有的研究成果上,對以SVM為聲學(xué)模型的連續(xù)語音識別系統(tǒng)進(jìn)行了相關(guān)的改進(jìn):針對連續(xù)語音識別單元對系統(tǒng)性能有著直接影響的問題,選取了音節(jié)作為識別單元并通過動態(tài)循環(huán)雙門限起止點(diǎn)前后向搜索方法基本實(shí)現(xiàn)了每個(gè)獨(dú)立音節(jié)能夠被完整的切分出來;同時(shí)為了使SVM模型獲得較好的訓(xùn)練數(shù)據(jù),在SVM模型訓(xùn)練前利用VQ對高維語音參數(shù)進(jìn)行聚類即碼本設(shè)計(jì),并在VQ中引入SAHKC

2、方法對語音信號的MFCC參數(shù)聚類,比傳統(tǒng)的K-means方法的聚類效果更優(yōu)越。
　　由于實(shí)際環(huán)境中存在的各種噪聲會導(dǎo)致訓(xùn)練環(huán)境和識別環(huán)境不匹配,使得大多在實(shí)驗(yàn)室中具有較高識別率的語音識別系統(tǒng)在噪聲環(huán)境下的性能急劇下降。常規(guī)的消噪技術(shù)雖然對噪聲的抑制有一定的作用,但是存在一定的局限性。針對此種情況,本文在語音識別系統(tǒng)的前端采用了盲分離技術(shù)(BSS)與卡爾曼濾波器相結(jié)合的方法對含噪語音進(jìn)行消噪處理,使噪聲與目標(biāo)語音信號自動分離,以得到