電子發燒友網>電子資料下載>電子論文>數字信號處理論文>自動語音識別中的噪聲魯棒性方法

自動語音識別中的噪聲魯棒性方法

606635 2010-10-20 | rar | 5390 | 次下載 | 5積分

資料介紹

眾所周知，在噪聲環境下如果我們不采取任何措施，那么自動語音識別系
統的性能將會大幅下降。本文的主要目標是在面對各種噪聲帶來的負面影響時，
如何增強識別系統的魯棒性。噪聲魯棒性方法大體上可以分為兩大類：特征域
方法和模型域方法。本文對這兩類方法均開展了深入的研究，主要創新點如下：
首先，我們提出一種新的基于隱式模型的特征規整算法，即例譖形狀規
整(CsN)算法。我們觀察到在噪聲環境下特征分布的形狀相比于干凈環境變化
很大，CsN通過引入一個指數因子來達到對倒譜分布形狀規整的目的。這個新方
法被證明比傳統的HEQ和HOCMN方法更加有效，尤其是在低信噪比情況下。
接著，我們轉到另一種新的基于顯式模型的特征補償方法，即分段線性近
似(PLA)方法。通過對環境模型的分段線性近似，可以比傳統的VTs和MAX這
兩種方法得到更為精確的近似，同時給出了基于MLE的噪聲參數估計和基
于MMsE的干凈語音估計的相關理論推導，此外實驗表明針對當前句子的不同
段采用不同的分段近似方式能進一步帶來性能的提升。我們不僅在語音識別中
驗證了PLA方法的有效性，還將此方法在語音增強中加以應用，主客觀測試都取
得了較好的效果。