基于npc和改进的mfcc鲁棒语音特征提取研究-计算机科学与技术专业论文.docxVIP

基于NPC和改进的MFCC鲁棒语音特征提取研究摘要 基于NPC和改进的MFCC鲁棒语音特征提取研究 摘要 语音识别在实验室环境中已取得了令人满意的效果，但当运用到实际环境时 却往往出现识别率显著下降的情况，如何提高噪声环境下的语音识别鲁棒性是当 今语音识别研究中最为重要的问题。本文针对语音识别前端处理中的鲁棒性语音 特征提取技术展开研究，分别从时域和频域两个方面出发，并结合人类发声特点 和人耳听觉特性对已有的特征进行改进，提出了两种具有较好鲁棒性的语音特征 提取方法。 首先，本文提出采用神经网络进行非线性预测的时域特征提取方法，针对神 经网络预测存在大量待估计参数的问题，通过线性预测方法中的最小均方误差原 理，减少了估计参数的数目，实现了鲁棒性较高的特征提取。实验表明，在多种 信噪比下，与线性预测编码系数(Linear Predictive Coding，LPC)和梅尔频率倒谱 系数(Mel．Frequency Cepstral Coefficients，MFCC)特征相比有更好的鲁棒性。 其次，针对传统MFCC的离散余弦变换(Discrete Cosine Transform，DCT)在 语音信息表达方面存在的缺陷，采用具有更好表征能力的独立成分分析法 (Independent Component Analysis，ICA)对离散余弦变换进行替换，提出了一种新 的特征提取方法