基于神经网络的面罩语音识别方法研究

发布时间：2023-05-17 22:45

　　全面罩是潜水员水下作业必不可少的设备之一,随着对海洋深入的探索,越来越多的智能设备被用到浅海水声通信及作业中。面罩语音识别作为人机交互的重要接口,给潜水员带来了极大的便利,对提高潜水员水下作业的效率,保障潜水员的生命安全有着重要的意义。考虑到实际环境中,会有各种海洋噪声的干扰,影响人机交互的正常进行。本文将语音增强算法和语音识别算法级联起来,先对带噪面罩语音做增强处理,然后对增强后的面罩语音进行识别,主要工作和研究内容如下:(1)面罩语音信号预处理。首先通过对比面罩语音和空气语音的语谱图来分析面罩语音的特性,结果显示面罩语音信号的高频分量削弱甚至丢失。然后对面罩语音信号进行了预处理及特征参数提取。(2)面罩语音增强算法研究。提出了一种改进的维纳滤波算法,在计算增益函数前先采用谱熵法检测面罩语音每一帧的状态,对无话帧进行噪声功率谱更新,同时引入增益控制参数,在增强面罩语音的同时,尽可能减少原始面罩语音失真。对比分析了增强后面罩语音的时域波形图和语谱图,研究表明该算法随着增益控制参数增大,残留噪声不断减小,若参数太大则会使得带噪面罩语音失真较为严重。与两种经典增强算法对比,改进的维纳滤波算...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状与发展趋势
        1.2.1 语音增强技术研究现状
        1.2.2 语音识别技术研究现状
        1.2.3 国内外发展趋势
    1.3 研究内容与章节安排
        1.3.1 主要研究内容
        1.3.2 论文章节安排
第二章 语音信号预处理及特征参数提取
    2.1 语音信号产生
        2.1.1 语音信号的产生原理
        2.1.2 面罩语音信号及其特性
    2.2 语音信号预处理
        2.2.1 预加重
        2.2.2 分帧及加窗
        2.2.3 端点检测
    2.3 语音信号的特征参数提取
    2.4 本章小结
第三章 面罩语音增强
    3.1 噪声及特性分析
    3.2 噪声对面罩语音信号的影响
    3.3 语音增强算法
        3.3.1 谱减法
        3.3.2 维纳滤波法
    3.4 改进的维纳滤波算法
        3.4.1 谱熵法
        3.4.2 改进的维纳滤波算法
    3.5 实验仿真及结果分析
    3.6 本章小结
第四章 基于神经网络的面罩语音识别
    4.1 神经网络
        4.1.1 神经元
        4.1.2 神经网络
        4.1.3 Dropout
    4.2 BP神经网络
    4.3 卷积神经网络
        4.3.1 卷积神经网络结构
        4.3.2 局部连接和权值共享
        4.3.3 局部响应归一化
        4.3.4 卷积操作
        4.3.5 子采样
        4.3.6 Softmax回归
        4.3.7 优化的卷积神经网络
    4.4 长短时记忆神经网络
        4.4.1 循环神经网络
        4.4.2 长短时记忆神经网络
    4.5 实验仿真及结果分析
        4.5.1 实验环境
        4.5.2 实验过程及结果分析
    4.6 本章小结
第五章 带噪面罩语音识别
    5.1 系统整体框架
        5.1.1 预处理
        5.1.2 语音增强
        5.1.3 特征提取
        5.1.4 面罩语音识别
    5.2 实验仿真及结果分析
        5.2.1 实验环境
        5.2.2 实验过程及结果分析
    5.3 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间所取得的相关科研成果
致谢



本文编号：3818149