强健性语音辨识中基於小波转换之分频统计补偿技术的研究AStudyof.PDFVIP

強健性語音辨識中基於小波轉換之分頻統計補償技術的研究 A Study of Sub-band Feature Statistics Compensation Techniques Based on a Discrete Wavelet Transform for Robust Speech Recognition 范顥騰 Hao-teng Fan 國立暨南國際大學電機系 Dept of Electrical Engineering, National Chi Nan University Taiwan, Republic of China .tw 杜文祥 Wen-Hsiang Tu 國立暨南國際大學電機系 Dept of Electrical Engineering, National Chi Nan University Taiwan, Republic of China .tw 洪志偉 Jeih-weih Hung 國立暨南國際大學電機系 Dept of Electrical Engineering, National Chi Nan University Taiwan, Republic of China jwhung@.tw 摘要 本論文主要是發展語音特徵強健化技術，來改進雜訊環境下語音辨識的效 能。我們改良原始全頻帶式的特徵序列統計正規化技術，使用著名的離散小波轉 換來對語音特徵時間序列進行分頻帶的處理，進而發展出兩種新的特徵統計補償 法，分別為分頻式平均值與變異數正規化法與分頻式統計圖等化法。在這兩種新方法 中，我們將經由離散小波轉換所得之分頻帶的序列，分別以平均值與變異數正規化法 與統計圖等化法處理，再將處理後的各分頻帶之特徵序列，藉由反離散小波轉換組合成 新的特徵序列。如此處理的特點為，可以將特徵序列作不等切的調變頻帶切割，進而對 語音辨識較重要的低調變頻帶作個別的強健性處理。從 Aurora-2 連續數字資料庫的 實驗結果證實，我們提出的分頻式新方法在各種雜訊環境下都優於傳統全頻帶式 之方法，與基礎實驗結果相比較，其相對錯誤降低率皆在 50%以上，顯示了我們 所提出之新方法能十分有效地提昇語音特徵在雜訊環境下的強健性。 Abstract The environmental mismatch caused by additiv e noise and/or channel distortion often degrades th e perform ance of a s peech reco gnition sys tem seriou