基于HMM噪聲背景下的語音識別方法的研究.pdf

1、語音識別以語音信號為研究對象，是語音信號處理的一個重要研究方向，是模式識別的一個分支，涉及到語言學、計算機科學、信號處理以及生理學、心理學等諸多領域，甚至還涉及到人的體態(tài)語言，其最終目標是實現(xiàn)人與機器進行自然語言通信。語音識別具有廣闊的應用前景，已經(jīng)在聽寫機、電話查詢系統(tǒng)、家電控制等諸多領域獲得到了充分的應用。然而在應用和產(chǎn)業(yè)化的過程中，諸多難題逐漸顯現(xiàn)出來。尤其是背景噪聲的問題，在實際的應用中幾乎是無法避免的。研究將要解決的問題就是如

2、何把原始語音從背景噪聲中分離出來，這將會使識別系統(tǒng)具有很強的適應性。因此研究語音識別技術具有十分重要的意義。　　本論文正是針對背景噪聲這一難點，對漢語語音識別系統(tǒng)中的幾個方面分別提出了相應的改進算法，并且驗證了其可行性及有效性。論文首先對語音識別系統(tǒng)中涉及到的基本概念及原理進行了簡單的介紹，之后分別針對語音識別系統(tǒng)中預處理階段的端點檢測算法、語音信號的特征提取算法以及模式匹配和模型訓練算法進行了深入的理論研究。將小波變換應用于帶噪語音

3、的端點檢測算法，在信噪比逐漸降低的過程中仍然保持了較為理想的檢測效果；利用頻率倒譜系數(shù)作為語音信號的特征參數(shù)，由于考慮了人類發(fā)聲與接收聲音的特性，因此具有更好的抗噪魯棒性；針對如何克服HMM模型的一階假設和獨立性假設帶來的問題，引入神經(jīng)網(wǎng)絡的方法，將二者有機地結(jié)合起來，提出了一種HMM/SOFMNN的混合模型，在一定程度上克服了HMM局限性的問題，并且有效地提高了系統(tǒng)的抗噪性能。　　實驗證明，綜合各部分的改進算法建立起來的非特定人漢語