文档介绍：摘要过艉。作者发现其主体算法——两级维纳滤波算法存算法效率方面存在一些问翘,算法巾本论文的研究课题是语音别前端噪声鲁棒性。语音识别是使训算机能够听懂人的语言的技术,经过数十年的发展,目前已经有小少语音识别系统在实验帑环境下能够给出令人相当满意的性能。但是,当把这些系统放到实际环境下来使用时,由鹤苁谴嬖谧诺母丛佣啾的噪声以及干扰,系统性能往往会发生人幅度的担踔帘涞猛耆ú痪哂胸‘用性。寻找能够有效的消除或者抑制噪声的方法、提升噪声环境下语音识别系统的性能,已经成为语占识别实用化过程当中最需要解决的问题之一。。前者着晕于划输入语音信号或者语音特征做处理,以尽可能抑制噪声的影响;后者则丰婴蔚眼菏褂镆羰侗鹉P途哂懈蟮目砣荻缺襩适应能力,。本文对前端噪声鲁棒性方法进行了一系列耐壕浚迪至艘恍┘。在奉文第■章中,作着介绍了⋯欧洲电信标准化组织颁布的分布武语占识别诙吮曜肌U飧霰曜际荅攵苑植际接镆羰侗鹩τ谩篲卜的特征参数提取过程的需求而制定的,代表着业界存噪声鲁棒性语音识别方面的较高水准。作者较为详细帕介绍了这个标准的结构以及流程,并结合实验阐述了该标准所采用的几个关键算法的原理。在奉文第三章巾。作者提出了一个对曜嫉母慕T诙栽曜嫉氖迪钟胙芯反复的时频域转换消耗了人攮帕运算资源。对此,作者进行了深入的理论分析与相关实验,并提艘恢侄栽邓惴ǖ母慕J笛楸砻鳎诙醪挥跋毂曜夹阅艿那榭鱿拢笻碌乃惴丌越怂愀丛佣冉档偷絁糸标准的三分之一左』柱本文第四章中,作者介绍了以倒谱均值相减⒌蛊拙涤敕杰夤娼直方幽均衡等为代表的一类特征参数规整方法。这也是一类廿常重要并且非常常川的噪卢鲁捧性语音识别方法。本文尝试将尽可能多的这一类方法,都统一到累计分布函数匹配的理论框架之V蟆;贑恚⑶彝治隽思茸浴椒的缺点之后,作者提出了基于双高斯的特征参数规整力法。与确嶝ケ龋履法可以更为细致的表达语音特扯的概率分布;Ⅲ与相比,新方法又是一个参数化的方法。在评测用数抛库系南喙厥笛楸砩路阶莕匀〉帽菴确椒ǜ玫男阅堋在本文第五章中,作煮介绍了以双通道逐帧线性环境补偿方法为代表的。类倒谱参数域特征补偿算法。是在最近儿年中被提出柬的一种性能相当不错的力法,它继承了等方法的基木原理,町以直接存倒谱参数域中对带噪语音特征进行补偿。该方法的‘『Ⅱ骸篔映射补偿关系。作者在任务上实现了方法。并墩得了与文献所述相当的性能。关键词:语肯穑肷嘲粜裕锟蟭别前端,维纳滤波,特征参数规整,倒谱域特征参数补偿中蒲Ъ际醮笱妒垦д畚
知识水坝***@pologoogle为您整理
甌瓵甌琣,....:∞瑆..,.畉瓵,畇瓸瑃...:
知识水坝***@pologoogle为您整理
中蒲妒醮笱妒垦е衤畚:琋,,珻
.⒄┤说挠镆舻募际酰更获义的定义则特指从人的语音到体面文本的自动转换技术。语音是人与人交流的最自然途径,语啬识别也就和语齿合成起成为人机交互的最方便的方式。语音识别的应范删非常海渲械囊恍┌ǎ河镆裘羁刂疲镆舴辏畔⒒袢 S绕湓谝恍┨厥饣肪彻訧廊用场合巾,由于体积蟆只或者安全缙等原因,爵音泌别共至‘能成为唯一的人机交互方式。按照械囊G螅镎际侗鹂梢杂卸嗬掷喾椒ǎ根据识别词汇量的大小,可咀分为小词汇量,总同汇量和大词汇量系统。随着语音识别算法和讣算机硬件的快速进展,划分的具体标准也往不断的发生着变化。根据识别语啬的讲述力式划分,可以分为孤直词哟镆蚻自然语音K堑氖迪帜讯瘸氏忠次增加的趋势。根据适川州户的范围,分为⋯某个人使川的特定人识别系统,和针对某个人的非特定人识剐系统对语啬识别的研究可以追溯到大约年前。最早的语齿识别系统更多的是基于声学语音学理论,并且通常是特定说话人的简单孤立词识别系统。年代,动态规划被引入到语音识别朐模版匹配方法之叶贾铝薉算法帕提出,并成为人、七十年代语音、以别的主流綦础算法之。年代,隐马尔科夫棋犁琀灰氲接镓氖别当中,是语音识别发展过程中的一个里程碑。籌前大音痉质涤孟低扯蓟鵍:这个统计模型。年代,语音识别技术的进一步成熟使得一些语音识别产品被桐继摊向市场。其巾包括公司著名的系统和微软公司的低场:煅跹芯坎罚G湃搜У腍系统是最常被使的语音识别升放源代码软件工具包。义的说,语音识别也是一个模式识别问题。一个模式识别问题总可以大致分为两大部分,特征参数提取模块和模式分类模块。典型的语音别系统部基于芄梗嬲飧黾构中,模式分类模块义体现为声学模型和语言模犁。下面将简单介绍个语凿识别系统的基奉构成:中附科学技术大学硕士学付论文第一节缔论