噪聲環(huán)境下語音識別方法的研究.pdf

1、噪聲環(huán)境下的語音識別是國內(nèi)外一個重要的研究課題，具有重要的理論和實際意義。由于訓練環(huán)境與識別環(huán)境的不匹配，現(xiàn)有的語音識別系統(tǒng)在噪聲環(huán)境下的識別性能下降十分嚴重，因而還不能實現(xiàn)真正的商業(yè)化。 本文從語音模型入手，討論了新的抗噪語音識別方法。通過分析噪聲對語音識別性能的影響，提出了兩種新的抗噪語音識別方法，即動態(tài)時間規(guī)整（DTW）和學習矢量量化（LVQ）相結合的識別方法以及基于隱馬爾可夫模型（HMM）和小波神經(jīng)網(wǎng)絡（WNN）混合模型

2、的語音識別方法。其中第一種方法具有訓練和識別過程簡單的優(yōu)點，對信噪比為10dB的情況下識別率從26﹪提高到50﹪。第二種方法則通過結合HMM的時間建模能力和WNN的分類決策能力，在不影響純凈語音識別率的情況下，比第一種方法具有更高的識別率，對信噪比為10dB的情況下識別率為66﹪，這種方法在低信噪比的情況下識別率提高尤為明顯。 此外，本文還提出一種基于語音增強技術的語音識別方法，即通過對帶噪的原始語音進行語音增強，提高源信號的信