噪聲環(huán)境下語音特征提取前端處理及優(yōu)化幀算法研究.pdf

1、特征提取是語音識別過程中關鍵的一環(huán)。近些年來，基于人耳聽覺特性的特征提取方法引起了廣泛關注。這是因為，人耳具有很強的識別能力，即使在噪聲環(huán)境下也是如此。在特征提取的眾多方法中過零峰值幅度(ZCPA)方法正是基于人耳的聽覺模型建立起來的。該模型采用語音信號的過零率來表示信號的頻率特性，采用峰值幅度來表示信號的幅值特性，最后將幅度信息和頻率信息進行整合作為輸出特征。論文以上述系統(tǒng)為基礎，對這種方法進行了多種改進。 文中首先引入了小波

2、變換作為分析工具，討論了小波變換的原理及其在時域、頻域的性質(zhì)。利用小波的頻移特性及單個小波的頻譜重疊，提出了構(gòu)造組合小波濾波器的思想。使用組合小波，通過選擇合適的小波參數(shù)可以方便地設計出低通、高通、帶通濾波器。實驗證明，這種濾波器具有算法簡單，頻域特性良好，易于軟件仿真的特點。 論文把小波理論應用于ZCPA特征提取的前端處理中，分別提出了用Gauss小波濾波器和組合小波濾波器代替原ZCPA中的FIR濾波器的語音特征提取方法。通過

3、對人耳聽覺特性的研究，按照人耳臨界帶寬分別設計了Gauss小波帶通濾波器及組合小波濾波器。本文詳細討論了Gauss小波濾波器尺度參數(shù)的選擇方法和使用不同個數(shù)小波構(gòu)造出的組合小波濾波器的特性，后端的訓練和識別部分使用RBF網(wǎng)絡，仿真實現(xiàn)了使用新特征與原特征的識別結(jié)果。證明了新特征具有較高的識別率和優(yōu)良的抗噪性能。接著本文對ZCPA特征提取的分幀處理過程進行了分析并加以改進。由于在語音信號的特征提取過程中，語音信號通常是按照幀處理的方式進行

4、的，分幀將直接影響到最后識別結(jié)果的表現(xiàn)，特別是分幀的長度對識別的結(jié)果有著重要的影響，因此，特提出了優(yōu)化幀的思想。論文詳細討論了基于ZCPA特征提取方法取不同幀長對識別結(jié)果產(chǎn)生的影響，仿真實現(xiàn)了改進后的系統(tǒng)。由于原ZCPA方法在計算上升過零率獲取頻率信息時漏掉了部分高頻信息，而且為了使提取出來的密度信息與人耳的感覺特性更相符合。文中將語音信號作差分，通過計算差分信號的上升過零率獲得高頻信息，同時優(yōu)化幀算法也彌補了一部分丟失的高頻信息；利用