背景噪聲下孤立詞識(shí)別算法的研究.pdf

1、近年來，語音識(shí)別一直是學(xué)術(shù)研究領(lǐng)域的一個(gè)熱點(diǎn)，而孤立詞語音識(shí)別以其具備較高的計(jì)算效率、較小的存儲(chǔ)空間和易于實(shí)現(xiàn)等優(yōu)點(diǎn)在實(shí)際應(yīng)用中占據(jù)重要位置。目前，在理論上，語音識(shí)別技術(shù)尤其是孤立詞語音識(shí)別技術(shù)已相對成熟，也有大量的語音識(shí)別系統(tǒng)建成，但是這些系統(tǒng)僅在實(shí)驗(yàn)室環(huán)境下具有較高的識(shí)別率，在實(shí)際應(yīng)用環(huán)境中，由于噪聲的干擾，使其性能急劇下降，難以達(dá)到識(shí)別要求。因而如何提高系統(tǒng)的環(huán)境適應(yīng)性，降低噪聲對系統(tǒng)的影響，是語音識(shí)別系統(tǒng)實(shí)用化首要考慮的問題。<

2、br>　　針對這一問題，本文建立了一個(gè)基于隱馬爾可夫模型的識(shí)別系統(tǒng)，并對背景噪聲下孤立詞識(shí)別算法進(jìn)行研究，通過各種方法降低噪聲對識(shí)別系統(tǒng)識(shí)別率的影響。重點(diǎn)對語音的前端處理如端點(diǎn)檢測算法、特征提取方法和語音增強(qiáng)等方面作了深入研究。本文所做貢獻(xiàn)如下：
　　1.在研究基于短時(shí)能量、短時(shí)過零率和基于譜熵的端點(diǎn)檢測算法的基礎(chǔ)上，提出一種基于相關(guān)系數(shù)熵的端點(diǎn)檢測算法。為提高算法的魯棒性，該算法通過小波分解重構(gòu)法對語音的相關(guān)性進(jìn)行了增強(qiáng)。通過不

3、同噪聲不同信噪比下的帶噪語音信號(hào)的仿真實(shí)驗(yàn)表明，本文建議的算法在低信噪比條件下比基于譜熵的端點(diǎn)檢測算法有較高的準(zhǔn)確度，基本克服了傳統(tǒng)的語音端點(diǎn)檢測算法在低信噪比下不能準(zhǔn)確識(shí)別出語音端點(diǎn)的問題。
　　2.研究了譜減法、改進(jìn)譜減法和維納濾波法這幾種基本的語音增強(qiáng)算法。譜減法去噪后有大量音樂噪聲殘留，改進(jìn)譜減法雖然可以去除音樂噪聲，但存在過減問題。針對以上算法的弊端，本文在基于先驗(yàn)信噪比維納濾波法的基礎(chǔ)上提出改進(jìn)算法，該算法在直接判決法

4、估計(jì)先驗(yàn)信噪比的公式中引入語音和噪聲的互功率譜，并在此基礎(chǔ)上加入噪聲實(shí)時(shí)更新、VAD算法及增強(qiáng)語音清晰度的條件限制。仿真實(shí)驗(yàn)表明，與譜減法、改進(jìn)譜減法、維納濾波法相比，本文所提改進(jìn)算法在有效濾除噪聲的同時(shí)，最大限度地減少了語音的畸變，保證了語音的質(zhì)量，尤其是語音清晰度條件限制的引入，使得增強(qiáng)后的語音，可理解度大大增強(qiáng)。
　　3.研究比較了線性預(yù)測倒譜系數(shù)(LPCC)和美爾頻率倒譜系數(shù)(MFCC)的提取算法，選擇魯棒性更強(qiáng)的MFCC

5、參數(shù)作為特征。圍繞白噪聲、粉紅噪聲、車載噪聲和工廠噪聲這四種典型噪聲不同信噪比下的語音進(jìn)行仿真實(shí)驗(yàn)，通過實(shí)驗(yàn)確定了使得MFCC+△MFCC特征魯棒性最強(qiáng)的最佳階數(shù)，并且通過實(shí)驗(yàn)數(shù)據(jù)研究了在不同噪聲影響下MFCC及△MFCC各分量對系統(tǒng)識(shí)別率的相對重要性，為保證系統(tǒng)在有較高識(shí)別率的情況下，減少系統(tǒng)的計(jì)算量，提高實(shí)時(shí)性提供了依據(jù)。本文同時(shí)對在不同噪聲不同信噪比下MFCC+△MFCC+LPCC+△LPCC和MFCC+△MFCC特征作了仿真實(shí)驗(yàn)