噪声环境下语音识别方法的研究
【摘要】：噪声环境下的语音识别是国内外一个重要的研究课题,具有重要的理论和实际意义。由于训练环境与识别环境的不匹配,现有的语音识别系统在噪声环境下的识别性能下降十分严重,因而还不能实现真正的商业化。
本文从语音模型入手,讨论了新的抗噪语音识别方法。通过分析噪声对语音识别性能的影响,提出了两种新的抗噪语音识别方法,即动态时间规整(DTW)利学习矢量量化(LVQ)相结合的识别方法以及基于隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的语音识别方法。其中第一种方法具有训练和识别过程简单的优点,对信噪比为10dB的情况下识别率从26%提高到50%。第二种方法则通过结合HMM的时间建模能力利WNN的分类决策能力,在不影响纯净语音识别率的情况下,比第一种方法具有更高的识别率,对信噪比为10dB的情况下识别率为66%,这种方法在低信噪比的情况下识别率提高尤为明显。
此外,本文还提出一种基于语音增强技术的语音识别方法,即通过对带噪的原始语音进行语音增强,提高源信号的信噪比,从而提高语音识别系统的识别率。本文使用谱相减利小波消嶸两种语音增强方法,可以将带噪语音的信噪比至少提高50%,信噪比为10dB时的识别率提高到80%。实验证明,这种方法对抗噪语音识别具有良好的效果。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：TN912.3
|
|
|
|
| 1 |
李晶皎,孙杰,张俐,姚天顺;语音识别中HMM与自组织神经网络结合的混合模型[J];东北大学学报;1999年02期 |
| 2 |
曹鹏,郑雪燕,徐伟;基于自组织神经网络的数字语音识别[J];电声技术;2002年04期 |
| 3 |
江铭虎,袁保宗,林碧琴;神经网络语音识别的研究及进展[J];电信科学;1997年07期 |
| 4 |
刘加;汉语大词汇量连续语音识别系统研究进展[J];电子学报;2000年01期 |
| 5 |
李苇营，易克初，胡征;神经网络与HMM构成的混合网络在语音识别中应用的研究[J];电子学报;1994年10期 |
| 6 |
蒋海霞,成立新,陈显治;一种改进的谱相减语音增强方法[J];解放军理工大学学报(自然科学版);2001年01期 |
| 7 |
郝杰,李星;对经典隐马尔可夫模型的经验性改进[J];计算机工程与应用;2001年11期 |
| 8 |
姜天辰,夏仁平;基于VQ/HMM的自学习语音识别系统[J];计算机工程与应用;1998年05期 |
| 9 |
王朋,陈树中;基于混合模型HMM/RBF的数字语音识别[J];计算机工程;2002年12期 |
| 10 |
李力,方华京;小波神经网络逼近能力及Thau定理推广[J];控制与决策;2000年05期 |
|
|
|
|
|
| 1 |
杨大利;徐明星;吴文虎;;噪音环境下的语音识别研究概述[A];新世纪的现代语音学——第五届全国现代语音学学术会议论文集[C];2001年 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心