耳蝸濾波器倒譜特征在語音識別中的應用.pdf

1、人耳具有良好的抗噪識別能力，因此在語音識別中更多的研究者致力于研究人耳聽覺特性，建立更符合人耳聽覺特性的語音特征參數(shù)模型。聽覺特征能更好地提高語音識別結(jié)果，并增強系統(tǒng)的噪聲魯棒性。
　　 本文實現(xiàn)了一個新的聽覺特征-耳蝸濾波器倒譜系數(shù)((Cochlear Fliter Cepstral Coefficients，CFCC)。CFCC特征在模擬人耳基底膜響應的基礎上，通過小波變換實現(xiàn)了聲音從外耳到基底膜傳輸?shù)娜窟^程，此過程稱為聽

2、覺變換。毛細胞函數(shù)將聽覺變換后的語音信號轉(zhuǎn)換為神經(jīng)脈沖能量信號，由于不同頻率信號引起神經(jīng)脈沖的不同，毛細胞窗采用不同的窗長對該信號進行分析，所得信號經(jīng)非線性響度變換將能量信息轉(zhuǎn)變?yōu)楦兄懚龋詈蠼?jīng)過離散余弦變換(Diserete Cosine Transform，DCT)即得CFCC聽覺特征。
　　 文章介紹了耳蝸濾波器的選擇，毛細胞窗口函數(shù)，非線性響度變換，以及DCT五部分內(nèi)容。
　　 與傳統(tǒng)的傅里葉變換相比，聽覺變換

3、的譜平滑度好且諧波失真少。此外，傅里葉變換本質(zhì)上只能處理平穩(wěn)信號，通過固定窗長將非平穩(wěn)語音信號分為多個短時平穩(wěn)信號近似處理，從而造成了不同的頻率信號只能用一種分辨率進行分析。但是聽覺變換具有處理非平穩(wěn)語音信號的優(yōu)點，可以實現(xiàn)低頻信號采用長時間窗分析，高頻信號采用短時間窗，因此避免了使用長時間窗分析引起的將高頻信息丟失的問題。
　　 本文分別采用18通道Gammatone濾波器倒譜特征和CFCC特征進行實驗仿真，結(jié)果證明CFCC特

4、征性能優(yōu)于前者。聽覺變換存在正反變換對，可以保證正變換之后的信息完整。本文進一步將CFCC特征與傳統(tǒng)聽覺特征MFCC(Mel-frequency Cepstral Coefficients)和RASTA-PLP(Relative Spectral Perceptual Linem Predicdve Coefficients)作對比，實驗表明傳統(tǒng)特征在純凈語音環(huán)境下識別率較高，但在噪聲環(huán)境下識別率下降明顯，而CFCC特征識別率高于傳統(tǒng)特