基于DTW和RLS算法的数字稳健识别.pdfVIP

2010年第 1期 大 众 科 技 No．1。2010 (总第 125期 ) DAZHONGKEJ (CumulativelyNo．125) 基于DTW和RLS算法的数字稳健识别 黄邦奉 (桂林电子科技大学，广西 桂林 541004) 【摘 要】在语音识别中鲁棒性是一个很关键的因素，文章提 出了一种关于0～9数字语音识别算法，采用递归最小二乘法 (IlLS)来消除噪声，系统使用过零率和能量参数作为端点检测方法，用美尔倒普系数 (MFCC)矢量作为声道估计的滤波器， 同时，采用动态时间弯折算法来识别语音。结果显示，未加 RLS消噪系统前系统的识别率为72％，在处理过程中加入RLS消 噪后识别率提高到 98．7％。 【关键词】语音识别；美尔倒谱系数；递归最小二乘算法；动态时间弯折 【中图分类号】TP301．6 【文献标识码】A 【文章编号】1008—1151(2010)01-0066-02 (一)引言 RLS算法除噪的原理图如图二所示。由于输入的语音信号 对于低噪声环境下的语音， 目前说话人识别已能达到较 被背景噪声所污染，应此，在端点检测之前加入一个消噪的 高识别率，但噪声的存在会大大降低说话人识别的性能，如 过程。RLS算法消噪的原理可由以下式子表示： 何提高说话人识别算法的噪声鲁棒性至关重要。目前常用于 e=d一 (1) 提高噪声环境下语音识别性能的算法可分为3类：模型补偿、 d：S+C (2) 语音增强和抗噪声的语音特征。其中，语音增强是将噪声环 Y：ck (3) 境下的语音进行恢复，尽可能得到受噪声污染前的语音。本 其中，C代表背景噪声，C代表背景噪声C的估计，S代 文就是采用的语音增强方法来提高识别效率的，采用递归最 小二乘法 (RLS)来进行语音增强。 表纯净的语音信号，d为期望信号， 代表 白适应滤波器的 提出一种关于汉语语音 0到9的语音识别算法。语音识 滤波器系数，为误差信号，在理想情况下为纯净的语音信号， 别系统用过零率和短时能量参数的方法来进行端点检测，用 MFCC参数作为语音的特征参数，最后用DTW算法来识别语音 ，代表时间参数。 一 信号。本文分为四个部分：引言，主要算法，试验与结果及 自适应滤波器是消噪的核心，系统中用 RLS算法来控制 结束语。 自适应滤波器，由于信号和背景噪声的参数是时刻变化的，K M M (二)主要算法 证明在这种情况下，RLS算法要优于其它的自适应算法，最小 K 1．系统流程 二乘的准则是： 如图一所示，识别系统包括语音处理和语音识别两个部 卅 L∑-I --]lI2=眦n一 c4 分。语音处理包括RLS滤波，端点检测，MFCC参数计算。