杂讯环境下应用线性估测编码於特徵时序列之强健性语音辨識.PDFVIP

Proceedings of the Twenty-Fifth Conference on Computational Linguistics and Speech Processing (ROCLING 2013) 雜訊環境下應用線性估測編碼於特徵時序列之強健性語音辨識 Employing linear prediction coding in feature time sequences for robust speech recognition in noisy environments 范顥騰 Hao-teng Fan, 曾文俞Wen-yu Tseng, 洪志偉 Jeih-weih Hung 國立暨南國際大學電機工程學系 mail1.ncnu.edu.tw, s100323553@mail1.ncnu.edu.tw, jwhung@ncnu.edu.tw 摘要 近幾十年來，無數的學者先進對於此雜訊干擾問題提出了豐富眾多的演算法，略分成兩 大類別：強健性語音特徵參數表示法(robust speech feature representation)與語音模型調適 法(speech model adaptation) ，第一類別之方法主要目的在抽取不易受到外在環境干擾下 而失真的語音特徵參數，或從原始語音特徵中儘量削減雜訊造成的效應，比較知名的方 法有：倒頻譜平均值與變異數正規化法(cepstral mean and variance normalization, CMVN)[1] 、倒頻譜統計圖正規化法(cepstral histogram normalization, CHN)[2] 、倒頻譜平 均值與變異數正規化結合自動回歸動態平均濾波器法(cepstral mean and variance normalization plus auto-regressive-moving average filtering, MVA)[3]等；第二類別之方 法，則藉由少量的應用環境語料或雜訊，來對原始的語音模型中的統計參數作調整，降 低模型之訓練環境與應用環境之不匹配的情況。較有名的語音模型調適技術包含了：最 大後機率法則調適法(maximum a posteriori adaptation, MAP)[4] 、平行模型合併法(parallel model combination, PMC)[5] 、向量泰勒級數轉換(vector Taylor series transform, VTS)[6] 等。本論文較集中討論與發展的是上述的第一類方法，我們提出一套作用於倒頻譜時間 序列域的強健性技術，稱作線性估測編碼濾波法(linear prediction coding-based filtering, LPCF) ，此方法主要是應用線性估測(linear prediction)[7]的原理，來擷取語音特徵隨著 時間變化的特性、進而凸顯語音的成分、抑制雜訊的成分。在LPCF 法中，將一段時域 (time domain)上的訊號x[n ]用以下數學式表示： P x [n ] = a x [n -k ]+e[n ], (1) å k k =1 進而將上式的x[n ]經過LPC 分析所得到的新特徵時間序列，表示為ˆ ，作法是先將原 x[n ] x[n ] 始語音特徵時間序列以 作 P 階之線性估測，求取式(1)之最佳之線性估測係數 {a ,1 £k £P} 。之後，經由下式求得新的特徵時間序列： k P ˆ[ ] [ ] x n = a x n -k ,