| 【中文题名】 | 抗噪声汉语单词识别方法的研究 |
| 【英文题名】 | Research on Noise Robust Methods in Mandarin Word Recognition |
| 【学科专业】 | 通信与信息系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-26 |
| 【中关键词】 | 语音识别,谱减法,最小均方误差估计,噪声,相对自相关序列MFCC,语音增强 |
| 【英关键词】 | speech recognition,minimum mean-Square error,spectral subtraction,noise,RAS-MFCCs,speech enhancement, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 |
目前的语音识别系统对干净语音可以达到非常高的识别精度,但是无处不在的噪声带来了训练模型和测试语音之间的失配,造成识别器的性能在噪声环境下急剧地下降。因此抗噪声问题是语音识别达到真正实用所必须解决的关键问题。
本文针对谱减法中关于噪声是零均值的高斯分布的假设,提出了一种可以打破这一假设的改进谱减算法。语音增强实验结果表明,该改进谱减算法能有效地提高增强效果,更好地抑制音乐噪声,提高语音质量。并将改进谱减算法作为噪声下语音识别系统的前端处理过程,即通过对含噪的语音进行语音增强以提高信号的信噪比,从而提高语音识别系统的抗噪声性能。
本文详细分析了噪声对相对自相关序列MFCC(RAS-MFCC)特征的影响,并研究了高阶RAS-MFCC系数的抗噪声性能。实验结果表明,去除1～3阶低阶系数的RAS-MFCC系数作为语音特征的抗噪声性能明显优于原始RAS-MFCC特征。
本文提出了将RAS-MFCC特征和最小均方误差估计(MMSE)语音增强方法相结合的抗噪声语音识别方法。实验结果表明,这种相结合的方法能有效地提高语音识别系统的识别率,并且在低信噪比情况下仍能使系统保持相当高的识别率。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-11 |
|
1.1 语音识别概述 |
7-9 |
|
1.2 噪声对语音识别的影响 |
9-10 |
|
1.3 本论文的研究内容 |
10-11 |
|
第二章 抗噪声语音识别 |
11-21 |
|
2.1 噪声的特性及对语音识别的影响 |
11-14 |
|
2.2 抗噪声语音识别技术 |
14-18 |
|
2.3 语音实验包 |
18-21 |
|
第三章 语音识别的基础知识 |
21-29 |
|
3.1 语音识别的基本原理 |
21 |
|
3.2 连续HMM 模型 |
21-27 |
|
3.3 MFCC 特征 |
27-29 |
|
第四章 基于语音增强的抗噪声语音识别方法 |
29-39 |
|
4.1 基于语音增强的语音识别系统 |
29-30 |
|
4.2 谱减法的基本原理 |
30-32 |
|
4.3 改进的谱减算法和实验 |
32-35 |
|
4.4 基于语音增强的抗噪声语音识别实验及分析 |
35-38 |
|
4.5 小结 |
38-39 |
|
第五章 融合RAS-MFCC 特征和MMSE 方法的抗噪声语音识别方法 |
39-53 |
|
5.1 RAS-MFCC 特征 |
39-46 |
|
5.2 最小均方误差估计（MMSE）语音增强方法 |
46-49 |
|
5.3 实验结果及分析 |
49-52 |
|
5.4 小结 |
52-53 |
|
第六章 总结 |
53-55 |
|
参考文献 |
55-59 |
|
硕士期间发表的论文 |
59-60 |
|
致谢 |
60-61 |
|
中文详细摘要 |
61-63 |
|
| 【DOI】 | LunWen.ID:2.2008.364915 |
