车载噪声背景下的语音识别中减噪技术研究

发布时间：2020-05-09 13:46

【摘要】：语音识别技术是实现机器智能化的一项关键技术,它能让机器分辨并了解人类说出的语言。如今的语音识别技术虽然应用广泛,但系统中部分关键技术仍需要进行进一步的改进与优化,提高系统识别率依然是现今研究的重点。本文着重研究语音识别系统在车载噪声背景下的实用性与有效性。阐述了包括预处理、语音减噪、特征提取等关键技术的基本原理及系统构成,并对识别系统中的部分关键技术做了以下改进:提出一种基于模糊控制的小波包多阈值语音减噪新算法。该算法采用改进的多阈值选取方式来代替传统的阈值选择,应用一种新阈值函数对经小波包变换后的最底层小波包系数进行量化处理以确保噪声尽可能地被滤除。模糊控制器可对重构后的新信号进行自适应模糊滤噪优化处理,得到最终语音。一种基于小波包邻域能量分段加权平均的MFCC特征提取方法。此算法依据语音中清音与浊音在频域中的不同分布特性,将经小波包变换后的系数按频率大小重新排序。分别对高频区与低频区的相邻小波包系数能量进行加权平均计算,最终结合MFCC特征提取技术提取准确特征参数。最后在Matlab软件中搭建了基于HMM的孤立词语音识别系统,应用改进的减噪算法、特征提取技术来验证改造算法的抗噪性与可行性。经试验验证,改进的减噪算法可以精确的去除噪声信号,有效地提高了语音去噪的信噪比与识别率。减噪技术的改进为车载语音交互的实现打下实践基础。
【图文】：

语音信号产生过程

图 2-2 声管模型剖面图30ms 时间内语音可假设是稳定的，，设置声管截。用mA 和m1A 来表示第m 段和第 m 1段的截面/()A A，为面积相差比，范围 1,1k 。
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TN912.34

【参考文献】

相关期刊论文 前9条

1 朱晓东;刘丹;李广;;基于混合优化算法的模糊系统辨识[J];郑州大学学报(工学版);2015年04期

2 黄祖勇;;微型客车噪声控制方法与应用[J];汽车科技;2014年04期

3 杨阳;王贵君;杨永强;;基于二叉树型分层的广义混合模糊系统推理规则数的缩减[J];控制理论与应用;2013年06期

4 王苏敏;廖晶晶;赵秀鸟;;基于DTW和HMM算法的语音识别系统对比研究[J];计算机光盘软件与应用;2012年11期

5 谭文才;张秋菊;;小波包多阈值去噪的一种改进方法[J];江南大学学报(自然科学版);2012年02期

6 高红艳;张瞳;;基于MATLAB的维纳滤波器的设计[J];黑龙江科技信息;2012年01期

7 白瑜;;语音信号特征参数的提取[J];科技传播;2011年24期

8 张轩硕;王建斌;王军阵;;基于模糊小波包的超声导波检测信号降噪研究[J];国外电子测量技术;2011年09期

9 张花花;;基于最优小波包基的信号增强算法研究及应用[J];电子测试;2010年08期

相关会议论文 前2条

1 郭晓霞;杨慧中;;基于多阈值的小波包去噪[A];第二十七届中国控制会议论文集[C];2008年

2 康永国;陶建华;徐波;;基于级联共振峰模型的浊音声源估计[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年

相关硕士学位论文 前10条

1 魏泉水;基于深度神经网络的语音增强算法研究[D];南京大学;2016年

2 宋洋;基于图像处理的维吾尔语音素语音学特征提取与应用[D];新疆大学;2016年

3 韦高梧;基于单信道的语音增强算法的研究与改进[D];广东工业大学;2016年

4 沙君;汉语耳语音识别研究[D];苏州大学;2015年

5 廖振东;基于DTW的孤立词语音识别系统研究[D];云南大学;2015年

6 刘春平;基于HMM模型的孤立词语音识别系统及应用研究[D];江西理工大学;2014年

7 陈刘;基于语音识别的智能HCI技术的研究[D];广东工业大学;2012年

8 周小星;基于CS的语音增强新算法研究及语音处理仿真平台开发[D];东北大学;2011年

9 孟颍辉;一种声纹识别应用系统原型的设计与实现[D];东北大学;2010年

10 李丽娟;基于统计模型的说话人识别研究与实现[D];电子科技大学;2010年

本文编号：2656228