语音识别系统的抗噪前端处理及性能分析 .pdfVIP

维普资讯

第２７卷计算机应用Ｖｏ１．２７

２００７年６月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＪｕｎｅ２００７

文章编号：１００１—９０８１（２００７）Ｓ１—０１３８—０２

语音识别系统的抗噪前端处理及性能分析

王文为，蒋保臣

（山东大学威海分校信息工程学院，山东威海２６４２０９）

（ｈａｉｄｅｗｅｉｄａｏ＠ｈｏｔｍａｉｌ．ｃｏｒｎ：）

摘要：对语音识别系统中信号的抗噪前端处理方法进行了研究。将线性预测（ＬＰ）分析与形态

滤波结合作为语音识别的前端处理方法，并选用具有抗噪性的ＭＦＣＣ特征参数。将上述方法应用于

基于隐马尔可夫模型（ＨＭＭ）的孤立词－／７．￣Ｊ＇ｌ系统中，结合使用ＮＯＩＳＥＸ－９２提供的四种噪声进行测试，

结果证明系统的抗噪性得到了提高。

关键词：语音－／ｅ，￣Ｊ，ｌ；抗噪性；数学形态滤波；线性预测分析

中图分类号：ＴＮ９１２．３文献标识码：Ａ

目前，基于隐马尔可夫模型（ＨｉｄｄｅｎＭａｒｋｏｖＭｏｄｅｌ，信号的数学形态变换通常涉及被处理信号和所采用的结

ＨＭＭ）的语音识别系统是该领域研究的主流，它对纯净语音构元素，其中，结构元素的形状和取值将直接影响变换的结

的识别可以达到很好的精度。但是背景噪声对语音特征的影果。就被处理信号而言，数学形态变换可分为二值形态变换

响以及模型参数的失配，使得系统在噪声环境中的性能恶化。和灰度形态变换。灰度形态变换是一种极值运算，其对象是

因此，前端的消噪过程显得十分重要。将语音增强作为一种多值信号。最基本的灰度形态变换有形态和（膨胀）、形态差

预处理手段，能有效解决噪声污染。本文对噪声环境下的语（腐蚀）。

音识别系统的抗噪前端处理进行了探讨。采用线性预测分析在数字信号处理领域中，数学形态学主要用于非线性变

和数学形态滤波对原始语音进行语音增强，作为语音识别的换，并基于集合理论来研究图像，提供了非常有效的非线性滤

前端处理。在此基础上进行特征提取，对训练用语音以及测波技术。该技术只取决于基元的局部形状特征，因此比传统

试用语音进行相同的预处理及特征提取，并在特定人、小词汇的线性滤波更为有效。它可以局部地修改基元的几何特征，

量和孤立词识别条件下进行了实验。在相同的实验环境下与并提供有关基元的几何特征信息，因此这种非线性的滤波器

基线系统的性能进行比较，结果表明，采用该方法后，系统对能够有效地消除噪声而保留原基元的一些必要形状特征。

干净语音及带噪语音的识别率均有提高，当信噪比不低于２．１离散形态变换

１５ｄＢ时识别率提高了１２．２％。语音信号处理的是数字信号，因此需要将数学形态学定

ＬＰＣ１谱估计义到数字空间。建立在数字空间的离散形态变换是构造数字

形态滤波器的基础，对一维语音信号的处理采用函数一集合