穩(wěn)健語音特征和音頻場景識別方法的研究.pdf

1、音頻信號含有豐富的信息，并具有非接觸性、自然性和采集設(shè)備成本低的優(yōu)勢，使得音頻信號識別技術(shù)在實現(xiàn)人機交互和各種電子產(chǎn)品智能方面具有很好的應(yīng)用前景。實際應(yīng)用中，說話人語音不可避免地會受到開放環(huán)境的影響，從而降低說話人識別的準確率。穩(wěn)健語音特征提取算法能有效降低噪聲對說話人語音特性的影響，提高說話人系統(tǒng)的分類性能，因而受到廣泛關(guān)注。作為音頻信號識別技術(shù)的另一個分支-音頻場景識別技術(shù)，可以使各類設(shè)備根據(jù)音頻信息自動地感知環(huán)境特征，具有聽覺智能

2、性。當前，音頻場景識別的問題已成為一個研究熱點。
　　 在前人研究工作的基礎(chǔ)上，本文對說話人識別中的穩(wěn)健語音特征提取方法、音頻場景識別中的特征選擇方法和模型優(yōu)化方法進行了研究，具體包括：
　　 (1)研究了一種基于最小方差無失真響應(yīng)和感知特性的倒譜特征提取方法。作為梅爾頻率倒譜系數(shù)的一種改進算法，該方法能有效解決梅爾頻率倒譜參數(shù)在混有背景噪聲的語音條件下系統(tǒng)分類性能下降的問題，從而提高了識別系統(tǒng)的穩(wěn)健性。
　　

3、(2)給出一種基于局部判別基的特征選擇方法。該方法采用兩個判別準則對特征向量在類間的區(qū)分能力進行評估，按判別值大小進行排序，選取前N個特征向量組成特征子集。采用HMM分類器對選取的特征子集進行評估，對比不同N值對應(yīng)的系統(tǒng)識別率，把最高識別率對應(yīng)的N值作為最佳經(jīng)驗值。在模型訓練和識別過程中，能夠在線選取音頻樣本的特征子集。本文把基于局部判別基的特征選擇算法應(yīng)用于音頻場景識別系統(tǒng)，通過對比實驗表明，該方法能有效地提高系統(tǒng)的分類性能。