基于HMM抗噪语音识别方法的研究与改进

发布时间：2019-07-17 07:02

【摘要】：随着科学技术的发展和计算机的广泛应用,人们希望能够用更加直接快速的方式与计算机进行交流,使其能够听懂人类的自然语音,为了实现这个更高的目标,语音识别技术随之而生,并且从研究至今已经取得了相当大的进展。目前,语音识别在无噪声干扰的环境下,已经取得了很好的效果,技术也相当的成熟。但考虑现实的噪声环境,语音识别技术就会遇到一些瓶颈,识别的效果会大幅的下降,主要原因就是噪声的复杂性以及其对语音特征参数的影响,使得待识别模版与训练模版匹配程度不高,造成识别率的下降。因此,使语音识别技术能充分实践应用,就必须解决环境噪声这个最大障碍,并进一步研究抗噪语音识别系统。本文主要针对环境噪声问题研究了语音识别的抗噪技术,随着语音识别抗噪声技术的研究及发展,目前抗噪技术主要有三种：语音增强,抗噪语音特征提取,抗噪语音模型参数调整。基于以上三种技术,语音识别抗噪声技术的研究重点就在不同的环境噪声下选用合理的技术且能有效的组合以上技术,使语音识别系统达到较好的识别性能。本文研究的重点是语音增强阶段和特征参数提取阶段语音识别的抗噪问题。首先介绍了语音识别的基本原理及系统的各个组成部分包括预处理、模式识别与匹配、特征参数提取等。由于小波变换不论在时域上还是在频域上都具有良好的局部信号分析能力,是一种较好的信号分析方法,并且广泛应用于信号去噪等多个领域。在小波变换的基础上引入了仿生小波分析方法,详细研究了仿生小波变换理论,结合仿生小波系数相关性的特点,着重研究了仿生小波相关性去噪方法。其次从实际应用出发,在分析和研究了传统语音增强方法的基础上,并结合其优缺点,提出一种基于仿生小波的相关性去噪方法,并通过Matlab仿真验证该去噪方法的有效性。在语音特征参数提取阶段,以MFCC的提取方法为前提,结合仿生小波抗噪算法,提出一种基于仿生小波变换的抗噪语音特征参数-BWTMFCC特征参数,用于语音识别特征参数提取。最后通过软件平台建立一个简单的非特定人、小词汇量的语音识别系统,将基于仿生小波的语音增强法和BWTMFCC特征参数提取方法应用于系统中,通过实验对比不同的特征参数系统的识别率来验证算法的有效性。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN912.34

【引证文献】