基于ICA的MFCC特征參數(shù)提取研究及DSP實(shí)現(xiàn).pdf

1、現(xiàn)階段語音識別系統(tǒng)在實(shí)驗(yàn)室環(huán)境下效果優(yōu)良，但在實(shí)際噪聲環(huán)境中表現(xiàn)不佳，識別率和魯棒性顯著下降。語音特征參數(shù)提取在語音識別研究中至關(guān)重要，對語音識別系統(tǒng)的魯棒性有重要影響；另一方面，隨著移動便攜設(shè)備的廣泛應(yīng)用，在這些嵌入式設(shè)備上配置高效的語音識別功能成為迫切需求。
　　本文以提高嵌入式語音識別系統(tǒng)魯棒性為目的，采用一種基于數(shù)據(jù)驅(qū)動的特征變換方法--獨(dú)立成分分析(Independent Component Analysis，ICA)，

2、對常用的梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficients，MFCC)特征進(jìn)行改進(jìn)，并在DSP(Digital Signal Processor)平臺上構(gòu)建了一個實(shí)時分布式語音識別前端。
　　MFCC特征性能較好，計算復(fù)雜度低，但其中的離散余弦變換(Discrete CosineTransformation，DCT)和實(shí)際數(shù)據(jù)無關(guān)，且冗余性較高，導(dǎo)致噪聲環(huán)境下語音識別系統(tǒng)魯棒性較差。針對該缺點(diǎn)

3、，本文采用基于數(shù)據(jù)驅(qū)動的ICA方法替換DCT過程。在ICA中采用對稱正交的方法以減少累積誤差，且能并行計算而提高估計速度，同時確定ICA中的最優(yōu)非線性函數(shù)及其系數(shù)。在多種噪聲和信噪比下的實(shí)驗(yàn)顯示，提出的改進(jìn)方法比MFCC方法提高了6.17%的平均語音識別率，在低信噪比下效果更佳，較好地提高了語音識別系統(tǒng)的魯棒性。
　　本文基于提出的改進(jìn)MFCC方法在DSP平臺上構(gòu)建了一個分布式語音識別前端，用于實(shí)時提取改進(jìn)的特征參數(shù)。ICA是一種