基于非參數(shù)化譜估計(jì)的語(yǔ)音特征提取研究與實(shí)現(xiàn).pdf

1、自動(dòng)語(yǔ)音識(shí)別技術(shù)研究是模式識(shí)別中重要課題之一，它在實(shí)際應(yīng)用中同樣有著重要的作用。目前，大部分語(yǔ)音識(shí)別在干凈的環(huán)境下有較好的識(shí)別性能，但在實(shí)際噪聲環(huán)境下，語(yǔ)音識(shí)別性能將明顯降低。因而，語(yǔ)音識(shí)別的研究具有重要的研究?jī)r(jià)值和實(shí)際意義。
　　本文針對(duì)語(yǔ)音識(shí)別前端技術(shù)中魯棒性語(yǔ)音特征提取展開(kāi)研究，分析傳統(tǒng)的語(yǔ)音特征提取方法在語(yǔ)音信號(hào)譜估計(jì)方面的不足，結(jié)合人耳聽(tīng)覺(jué)特性和人類(lèi)發(fā)聲特性，提出一種具有較好魯棒性和識(shí)別性能的語(yǔ)音特征提取算法，并將其在嵌

2、入式DSP平臺(tái)上移植實(shí)現(xiàn)。
　　首先，本文通過(guò)分析不同的非參數(shù)化譜估計(jì)方法，指出線(xiàn)性預(yù)測(cè)譜估計(jì)方法(LPC)和快速傅里葉譜估計(jì)方法(FFT)應(yīng)用于語(yǔ)音特征提取方法時(shí)，其譜分辨率差，導(dǎo)致其語(yǔ)音識(shí)別的魯棒性在實(shí)際環(huán)境中受到很大的影響，引入最小方差無(wú)失差響應(yīng)譜估計(jì)方法(MVDR)，實(shí)現(xiàn)高分辨率與高魯棒性的語(yǔ)音識(shí)別特征提取。
　　其次，本文針對(duì)語(yǔ)音信號(hào)為非平穩(wěn)隨機(jī)信號(hào)的特點(diǎn)，將希爾伯特譜估計(jì)應(yīng)用于語(yǔ)音特征提取中，提出一種新的魯棒性語(yǔ)

3、音特征提取方法MHCC(Hilbert-MFCC)特征提取方法，提取有效的瞬時(shí)幅度特征和瞬時(shí)頻率特征的同時(shí)提高了特征值的判別性，從而達(dá)到提高語(yǔ)音識(shí)別的魯棒性與識(shí)別率的目的。實(shí)驗(yàn)結(jié)果表明，與美爾頻率倒譜系數(shù)(MFCC)特征和基于最小方差無(wú)失真響應(yīng)譜(MVDR-MFCC)特征相比，MHCC有明顯的優(yōu)勢(shì)，即有更高的抗噪性，較低的算法復(fù)雜度及更好的識(shí)別率，該算法更適合于嵌入式平臺(tái)的實(shí)現(xiàn)。
　　最后，在CCS3.1集成開(kāi)發(fā)環(huán)境下完成MFCC