噪聲環(huán)境下的語音識別方法研究與改進(jìn).pdf

1、隨著科學(xué)技術(shù)的發(fā)展和計算機的普及,人們對于計算機的交流方式提出了更高的要求,這促進(jìn)了語音識別技術(shù)的發(fā)展,并使之成為語音處理領(lǐng)域中的一個重要研究方向。語音識別從研究至今已經(jīng)取得了很大的進(jìn)展。目前,在實驗室環(huán)境即無噪聲干擾的環(huán)境下,語音識別系統(tǒng)的識別率已經(jīng)達(dá)到了很高的水平,但在噪聲環(huán)境下識別性能會大幅下降,主要原因就是噪聲的干擾使得訓(xùn)練模版與待識別模版不匹配,從而造成識別率的下降。因此,噪聲是語音識別技術(shù)廣泛實用化的最大障礙,對噪聲環(huán)境下語

2、音識別系統(tǒng)的研究也就變得尤為重要。
　　本文主要研究了白噪聲環(huán)境下的語音識別技術(shù),介紹了語音識別的基本原理及系統(tǒng)的各個組成部分包括預(yù)處理,端點檢測,特征參數(shù)提取,模式識別與匹配等。目前抗噪技術(shù)主要有三種:語音增強,抗噪語音特征提取,抗噪語音模型參數(shù)調(diào)整。隨著語音識別抗噪聲技術(shù)的研究及發(fā)展,如何在實際的語音識別系統(tǒng)中將以上的技術(shù)合理地結(jié)合起來,使語音識別系統(tǒng)在不同的噪聲環(huán)境中均能達(dá)到較高的性能,是抗噪聲語音識別研究的一個重要方向。本

3、文研究的重點是預(yù)處理階段和特征參數(shù)提取階段語音識別的抗噪問題。
　　小波變換不論在時域上還是在頻域上都具有良好的局部信號分析能力,它是一種較好的信號分析方法,并且廣泛應(yīng)用于信號去噪等多個領(lǐng)域。本文引入了小波分析方法,詳細(xì)研究了小波變換理論,分析了小波變換的特點,著重研究了小波閾值去噪方法。
　　本文著重研究了兩種抗噪方法:語音增強方法和抗噪語音特征參數(shù)提取方法。給出將兩種方法相結(jié)合的抗噪方法,該方法的基本原理是:首先,在語音

4、識別系統(tǒng)的前端增加語音增強部分,針對傳統(tǒng)閾值去噪方法存在的問題,給出一種新的閾值去噪方法,并通過Matlab仿真驗證了該去噪方法的有效性。其次,在語音特征參數(shù)提取階段,本文給出一種新的基于小波變換的抗噪語音特征參數(shù)—TDWTMFCC特征參數(shù),并將其與DWTMFCC參數(shù)相結(jié)合,用于語音識別特征參數(shù)提取。本文將上述改進(jìn)過的兩種抗噪方法(語音增強法和特征參數(shù)提取方法)相結(jié)合應(yīng)用于一個非特定人、小詞匯量的語音識別系統(tǒng)中,通過Matlab仿真實驗