数计系2011届业设计(论文)模板.doc

07级本科毕业设计（论文） 题 目: ※※※※※※※※※※※※※※※ 系 别: 数学与计算机科学系 班 级: 07计算机科学与技术(嵌入式方向) 学 号: 200760861??? 姓 名: ※※※ 指导教师: ※※※ 职 称 ※※※ 起讫日期: 2010年9月28日-2011年3月4日 噪声环境下语音特征参数鲁棒性的研究 张三 （三明学院 数学与计算机科学系 *****专业） 摘要：随着说话人识别技术的发展，实用有效的说话人识别系统越来越成为研究的重点。语音特征参数的鲁棒性直接影响一个说话人识别系统的具体性能，过去主要针对移动通信环境下存在信道失真的问题，研究差分倒谱的鲁棒性。文中则主要在加性白噪声环境下研究Mel倒谱参数、Mel差分倒谱参数的顽健性以及它们经过倒谱系数零均值化(CMN)处理后识别性能的改进。从仿真结果可以看出：在加性白噪声环境下，差分倒谱参数具有很好的鲁棒性；倒谱系数零均值化能有效的除去加性白噪声。 关键词：鲁棒性；Mel倒谱参数；Mel差分倒谱；倒谱系数零均值化  The Investigation of the Robust of Feature Extracted from Speech Signals in Additive Gaussian Noise Environments Zhang San???? ???? 2006 Computer Science and Technology Major，Department of Mathematics and Computer Science, Sanming University With increasing demand for security in information system ．the development of effective speaker rec．ognition technologies is very impo~ant．The robust of feature extracted from speech signals has a direct influence onrecogn ition system．In the past，under the circumstance of channel distortion，delta cepstrum has been widely studied．This paper focuses on the robust of feature in additive Gaussian noise environments．Experiments show thatdelta cepstrum iS robust features in additive Gaussian noise environments．and that CMN(cepstral mean norm aliza．tion)can efectively remove the effects of additive Gaussian noise．Key words：Robust；Mel cepstrum；Mel delta cepstrum；Cepstral mean norm alizatio 目 录 第一章 绪论 1 1.1 语音识别简介 1 1.1.1什么是语音识别 1 1.1.2 语音识别的应用及分类 1 1.2 国内外语音识别技术的发展历史及现状 1 1.3 语音识别面临的问题 2 1.4 本课题研究背景及内容 2 第二章 语音识别基础理论 4 2.1 语音信号产生的机理[6] 4 2.2 语音信号的预处理 4 2.2.1 预滤波、采样、A/D转换 4 2.2.2 预加重 5 2.2.3 分帧加窗 5 2.3 端点检测 6 2.3.1 短时能量 6 2.3.2 短时平均过零率 7 第三章 常用的语音识别模型 8 第四章 噪声下语音特征参数的提取识别 9 第五章 结论 10 致 谢 11 参考文献： 12 附件：语音“0”的各状态频谱图 13 第一章 绪论 语言，是人类进行行为沟通和思想交流最重要的工具[1]，也是人类最重要的信息载体。随着信息科技的快速发展，计算机的越来越便携化和应用的复杂化，在越来越多的领域有了让计算机听懂人言的要求，这样，就引出了