噪声鲁棒性前端法研究.pdfVIP

摘要 本论文的研究主题是语音识别的前端鲁椿性问题。语音识别是为了能让计算机明F{人的 由然讲等，经过儿卜年的努力，现在已经发展fl』了不少比较成熟的系统．这肚系统在’其验室 环境卜(比较理想的环境卜)，语音识圳的识圳率(无论是人词汇餐连续语音识别，还魁是 数字串或者命令词的识别)取得了很高的识别率。然而，在实际环境中，困为环境噪声的存 矗：以及信道的影响，酿请人情绪．状态等田紊的影响，使得识别率在实际环境卜急刷r降， 简赢到了不能齐忍的地步。综台目前的各种情况，语音识别如果要人规模走向实州，n订端『解 棒-性的突破是一个关键冈素。本文尝试从不同方面，对语音站{划的前端鲁捧吐问题的卅『究做 了一些育黼的探索。 语音识别的噪声鲁棒性方i去从火的方面可以分为前端方法雨l后端方法2个方面。前端力 法上要着服r消除嗡声对语音特征的影响，或者提取具有抗哄声性能的语音特征，扁端山法 寸·要着跟丁使得已经训练得到的系统具有更人的适廊胜恭J宽彝性．或者能够适时调整系统摸 刑，使得模刑能够动态跟踪不断变换的环境，取得最好的识别效果。 文章阿先对语音识别的历史，现状，面临的难题以及实际府Ⅲ等方面的情况进行r比较 胄4宴地瓤述。 鲁棒性问题方而的方法报多强杂，每一种方法都有它的的特点帛l适川范同，而且至今缺 乏一种能对所有鲁棒性蝴题都比较有效的方法，针对这种情况，论文在第一章对鲁棒性前端 问题进打『比较全面的归纳和总结。 论文在第三章_LfjLDA方法在Aurora2数据库上面进行了提崭噤卢鲁榨性剃降低远傩封 方血f的廊刖。事实上，如果一个语音识别系统要l汉得很好的识圳效果，一般来说都要包括Jx 分|生训练的成分，而LDA方法能满足这种要求。 第四章详细讲述了一种新的前端特征提取算法，即翘曲离散傅里叫变换在前端特征提上阪 中的席Ⅲ．该方法模拟了人的耳朵对离撷分世莆l低频分蜡且有不同的分辨宰这个特点。 在第五章里面，针对实际的¨鼙使Ⅲ需要，对一些性能比较甜的Ii茸端方浊尤其烂舣亮嘶 方法进仃了他们的omline方法实现。 第八章介纠了经典的儿种语膏特键规牲方法在Aurora2数据库上而的测黹情况。 论文第七章首先简要介窖f{丁EFSI颁布的分布式语音识N(DS8)前端标准，井枉此摹础 上进{_了维纳滤波和特征规箍方法结合的实验。 关键词翘曲离散傅立叶变换．噪声鲁棒性，戏高斯，语音训别前端，在线，维绌滤波，线 性聋异性分析，直方幽．特祉参数规箍，倒谱域特征参数补偿 Abstract thenoise ofthesisisabout from·endrobustnessof The problem subject speechrecognition isto human r!s A／ter nlakethe understand recngnitian computer spontaneotMnguage Speech mature havebeen whichhave severalten endeavor,some developed years systems gotfairlyhigh ratein in continuous largevocabulary speech speechrecognitionperfectcondition(including the cl