基于動(dòng)態(tài)環(huán)境自適應(yīng)端點(diǎn)檢測(cè)的語(yǔ)音識(shí)別系統(tǒng)研究.pdf

1、語(yǔ)音信號(hào)是人類傳播信息和感情交流的重要媒體，是聽(tīng)覺(jué)器官對(duì)聲音傳媒介質(zhì)的機(jī)械振動(dòng)的感知，也是人類最重要、最有效、最常用、最方便的通信方式。語(yǔ)音信號(hào)處理是信息科學(xué)研究領(lǐng)域中目前發(fā)展最迅速的學(xué)科之一，其研究涉及眾多前沿課題。端點(diǎn)檢測(cè)是語(yǔ)音識(shí)別中的一項(xiàng)關(guān)鍵技術(shù)?，F(xiàn)階段的各種端點(diǎn)檢測(cè)算法在信噪比較高時(shí)檢測(cè)性能均較好，但隨著信噪比的下降各算法性能都明顯下降，且目前算法大多沒(méi)有自我學(xué)習(xí)能力，在信號(hào)噪聲發(fā)生大幅度變化時(shí)往往失效，無(wú)法適應(yīng)充斥實(shí)際生活中室

2、外各種復(fù)雜的噪聲環(huán)境。 本課題主要針對(duì)實(shí)際生活噪聲環(huán)境下的孤立詞語(yǔ)音識(shí)別，研究能夠動(dòng)態(tài)適應(yīng)環(huán)境的語(yǔ)音識(shí)別系統(tǒng)。實(shí)際生活環(huán)境中的噪聲往往以高斯白噪聲為主，且環(huán)境經(jīng)常變化。高斯混合模型（GMM）能夠描述復(fù)雜的隨機(jī)量，且具有很強(qiáng)學(xué)習(xí)能力，能夠動(dòng)態(tài)自適應(yīng)隨機(jī)量分布的變化。本文用高斯混合模型來(lái)描述環(huán)境中的背景噪聲，并通過(guò)對(duì)高斯模型和噪聲特性的分析，研究了基于高斯混合模型的端點(diǎn)檢測(cè)算法，詳細(xì)闡述了該算法流程。對(duì)語(yǔ)音識(shí)別其它模塊的算法進(jìn)行了研

3、究，選擇了相應(yīng)的優(yōu)化算法，包括語(yǔ)音增強(qiáng)、特征提取以及模板匹配模塊，研究了各模塊的設(shè)計(jì)方案。通過(guò)對(duì)語(yǔ)音識(shí)別系統(tǒng)各個(gè)模塊的研究，最后組成了一套完整的能夠動(dòng)態(tài)自適應(yīng)環(huán)境的語(yǔ)音識(shí)別系統(tǒng)并對(duì)系統(tǒng)識(shí)別性能進(jìn)行了仿真實(shí)驗(yàn)。 本系統(tǒng)主要針對(duì)復(fù)雜環(huán)境下的孤立詞識(shí)別，在環(huán)境發(fā)生改變時(shí)能夠進(jìn)行自我學(xué)習(xí)更新，無(wú)需人為干預(yù)。但在環(huán)境噪聲發(fā)生較大突變時(shí)學(xué)習(xí)速度有限，需要較長(zhǎng)時(shí)間來(lái)適應(yīng)突變后的噪聲環(huán)境；另外系統(tǒng)整體的計(jì)算量較大，識(shí)別速度有限，在實(shí)時(shí)性方面仍有