面向语音识别的抗噪听觉特征提取及优化
发布时间：2022-01-01 18:35
语音作为语言的物质外壳和声学表现,是人类最容易获取信息的载体之一,它承载和传达着多方面的信息源,是人机交互和智能通信领域的研究内容之一。语音识别作为具有广阔应用前景和价值的实现智能人机交互的技术之一,主要是达到与计算机进行语音交流的目的。最终让计算机能够将输入的语音信号转变成听得懂的命令。而完整的语音识别系统包含特征提取和模式识别两大模块。其中特征提取作为语音识别的重要组成部分,对系统性能的优劣有较大影响。理想的特征参数应该在复杂环境下都具有较高的稳健性和鲁棒性,而如何从语音信号中提取到能够充分表征其语义信息、削弱说话人个性、易分类且具有稳定性的有效特征参数,进一步提高识别率是语音识别的关键。本文从语音识别的研究现状和背景意义出发,在前人的研究基础上,详细介绍了语音识别和语音特征参数的研究动态,并针对当前语音特征参数中表征语义信息的不完整性,以及在噪声环境下识别性能下降的问题进行研究,从特征提取、特征融合和特征优化三个方面入手,对语音识别系统的不同环节进行深入研究和实验验证。论文的主要研究工作如下:（1）概述了语音识别系统的组成。首先对语音信号的三大数字模型进行介绍,其次,详细阐述了语...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
预加重前后的效果对比图
图 2-6 Mel 滤波器组Figure 2-6 Mel filter bank⑤ 对④中滤波器的输出取对数，具体计算过程如下式(2-20)： 120log ,0Na mkS m X k H k m M (2-20⑥ 将⑤中的输出通过离散余弦变换(Discrete Cosine Transform, DCT)去相关到 MFCC 特征： 101 2cos ,0Nmn mMFCC n S m n MM (2-215 常见的语音识别网络搭建合适、高效的语音声学模型是语音识别系统的最后一阶段，对系统性能
太原理工大学硕士研究生学位论文中的隐马尔可夫模型需要解决 3 个基本问题：算模型条件下产生观测序列 1 2, ,TO O O O 的概率种意义上解释观测序列的最佳状态链；序列已知时，对模型参数 A, B, 进行调整使得 P模型布普遍适用的自然分布规律，针对语音信号这种较复个高斯模型的加权累加建立数学模型。从而准确地描况。一种信号统计模型，是依赖最大似然估计算法和期望框图如下：
【参考文献】：
期刊论文
[1]Speech recognition algorithm based on neural network and hidden Markov model[J]. Zhao Jianhui,Gao Hongbo,Liu Yuchao,Cheng Bo. The Journal of China Universities of Posts and Telecommunications. 2018(04)
[2]智能化空管技术研究与展望[J]. 杨红雨,杨波,武喜萍,余静. 工程科学与技术. 2018(04)
[3]一种改进的特征提取方法在语音识别中的应用[J]. 陈树,于海波. 传感器与微系统. 2018(05)
[4]基于时域特征的光纤安防系统信号识别算法[J]. 卢娜,安博文,李玉涟,卢学佳. 传感器与微系统. 2017(04)
[5]基于线性预测倒谱系数的地震相分析[J]. 解滔,郑晓东,张?. 地球物理学报. 2016(11)
[6]LMS自适应算法在车辆自动化语音识别过程的去噪[J]. 王蕾蕾,龙艳群. 科技经济导刊. 2016(05)
[7]子空间域相关特征变换与融合的语音识别方法[J]. 陈斌,胡平舸,屈丹. 西安交通大学学报. 2016(04)
[8]小鼠外侧丘系背核神经元对纯音的反应特性[J]. 佀文娟,程艳玲,杨丹丹,王欣. 生理学报. 2016(01)
[9]基于PCA和SVM的普通话语音情感识别[J]. 蒋海华,胡斌. 计算机科学. 2015(11)
[10]基于语音识别技术的无障碍居家环境系统研究[J]. 朱沪生,喻洪流,石萍,方又方,简卓. 生物医学工程学杂志. 2015(05)
硕士论文
[1]基于语音信号的抑郁症识别研究与应用[D]. 刘美.天津师范大学 2018
[2]基于时频域分析的电子干扰识别方法研究[D]. 刘建洋.电子科技大学 2018
[3]基于特征融合的开挖器械声音识别算法研究[D]. 程飞.杭州电子科技大学 2018
[4]基于语音疲劳度的识别研究[D]. 张靓.安徽大学 2015
[5]数字助听器的自适应回波抵消算法的研究[D]. 张晓永.哈尔滨工业大学 2014
[6]基于感知对数面积比系数的说话人确认系统的研究[D]. 尹聪.太原理工大学 2013
[7]耳蜗滤波器倒谱特征在语音识别中的应用[D]. 高扬.太原理工大学 2011
本文编号：3562606
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
预加重前后的效果对比图
图 2-6 Mel 滤波器组Figure 2-6 Mel filter bank⑤ 对④中滤波器的输出取对数，具体计算过程如下式(2-20)： 120log ,0Na mkS m X k H k m M (2-20⑥ 将⑤中的输出通过离散余弦变换(Discrete Cosine Transform, DCT)去相关到 MFCC 特征： 101 2cos ,0Nmn mMFCC n S m n MM (2-215 常见的语音识别网络搭建合适、高效的语音声学模型是语音识别系统的最后一阶段，对系统性能
太原理工大学硕士研究生学位论文中的隐马尔可夫模型需要解决 3 个基本问题：算模型条件下产生观测序列 1 2, ,TO O O O 的概率种意义上解释观测序列的最佳状态链；序列已知时，对模型参数 A, B, 进行调整使得 P模型布普遍适用的自然分布规律，针对语音信号这种较复个高斯模型的加权累加建立数学模型。从而准确地描况。一种信号统计模型，是依赖最大似然估计算法和期望框图如下：
【参考文献】：
期刊论文
[1]Speech recognition algorithm based on neural network and hidden Markov model[J]. Zhao Jianhui,Gao Hongbo,Liu Yuchao,Cheng Bo. The Journal of China Universities of Posts and Telecommunications. 2018(04)
[2]智能化空管技术研究与展望[J]. 杨红雨,杨波,武喜萍,余静. 工程科学与技术. 2018(04)
[3]一种改进的特征提取方法在语音识别中的应用[J]. 陈树,于海波. 传感器与微系统. 2018(05)
[4]基于时域特征的光纤安防系统信号识别算法[J]. 卢娜,安博文,李玉涟,卢学佳. 传感器与微系统. 2017(04)
[5]基于线性预测倒谱系数的地震相分析[J]. 解滔,郑晓东,张?. 地球物理学报. 2016(11)
[6]LMS自适应算法在车辆自动化语音识别过程的去噪[J]. 王蕾蕾,龙艳群. 科技经济导刊. 2016(05)
[7]子空间域相关特征变换与融合的语音识别方法[J]. 陈斌,胡平舸,屈丹. 西安交通大学学报. 2016(04)
[8]小鼠外侧丘系背核神经元对纯音的反应特性[J]. 佀文娟,程艳玲,杨丹丹,王欣. 生理学报. 2016(01)
[9]基于PCA和SVM的普通话语音情感识别[J]. 蒋海华,胡斌. 计算机科学. 2015(11)
[10]基于语音识别技术的无障碍居家环境系统研究[J]. 朱沪生,喻洪流,石萍,方又方,简卓. 生物医学工程学杂志. 2015(05)
硕士论文
[1]基于语音信号的抑郁症识别研究与应用[D]. 刘美.天津师范大学 2018
[2]基于时频域分析的电子干扰识别方法研究[D]. 刘建洋.电子科技大学 2018
[3]基于特征融合的开挖器械声音识别算法研究[D]. 程飞.杭州电子科技大学 2018
[4]基于语音疲劳度的识别研究[D]. 张靓.安徽大学 2015
[5]数字助听器的自适应回波抵消算法的研究[D]. 张晓永.哈尔滨工业大学 2014
[6]基于感知对数面积比系数的说话人确认系统的研究[D]. 尹聪.太原理工大学 2013
[7]耳蜗滤波器倒谱特征在语音识别中的应用[D]. 高扬.太原理工大学 2011
本文编号：3562606
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3562606.html
